Text Mining Classification Opini Publik Terhadap Provider di Indonesia

Said Thaufik Rizaldi, Afdal Al Khairi, Mustakim Mustakim

Abstract


Opini adalah central dari aktivitas manusia yang memiliki pengaruh pada perilaku manusia dimana pada setiap segala keputusan, maka seseorang akan mencari pendapat dari orang lain. Perkembangan sarana media sosial seperti Twitter digunakan seperti individu untuk mendukung proses pengambilan keputusan sehingga dilakukan teknik sentimen analisis menggunakan Text Mining Classification untuk dapat mengidentifikasi sentimen yang berasal dari opini masyarakat pengguna kartu provider yang merupakan jenis data yang tidak terstruktur. Berdasarkan hal tersebut, penelitian ini melakukan klasifikasi dengan menggunakan Text Mining dengan menggunakan algoritma Naïve Bayes Classifier (NBC) dengan menggunakan 10 percobaan pada K-Fold Cross Validation. Hasil penelitian ini menunjukan bahwa K=4 menghasilkan nilai akurasi terbaik pada penelitian ini sebesar 68,85%.


Full Text:

PDF

References


S. Siddiqui dan T. Singh, “Social Media its Impact with Positive and Negative Aspects,” Int. J. Comput. Appl. Technol. Res., vol. 5, no. 2, hal. 71–75, 2016, doi: 10.7753/ijcatr0502.1006.

A. Mustafa, S. A., dan S. Sohail, “Sentiment Classification of Twitter Data Belonging to Saudi Arabian Telecommunication Companies,” Int. J. Adv. Comput. Sci. Appl., vol. 8, no. 1, 2017, doi: 10.14569/IJACSA.2017.080150.

H. Bagheri dan M. J. Islam, “Twitter Sentiment Analysis,” Int. J. Eng. Res. Technol., vol. 8, no. 03, hal. 1–2, 2017, doi: 10.31219/osf.io/6xc4y.

K. A. F. A. Samah, I. M. Badarudin, S. Ibrahim, N. A. Moketar, dan L. S. Riza, “Naïve Bayes Twitter Sentiment Analysis In Visualizing The Reputation Of Communication Service Providers: During Covid-19 Pandemic,” Turkish J. Comput. Math. Educ., vol. 12, no. 5, hal. 1753–1764, Apr 2021, doi: 10.17762/turcomat.v12i5.2176.

S. T. Wahyuni, “Effect of Service Quality and Switching Barriers on Customer Satisfaction and Its Impact on Customer Loyalty User Telkomsel for Online Learning During Pandemy,” Int. Conf. Bus. Soc. Sci., no. 1, hal. 1033–1042, 2020.

B. K. Viva, “Telkomsel Jadi Operator Seluler dengan Pelanggan Terbanyak di Indonesia,” katadata.co.id, 2021. https://databoks.katadata.co.id/datapublish/2021/09/22/telkomsel-jadi-operator-seluler-dengan-pelanggan-terbanyak-di-indonesia (diakses Okt 04, 2021).

F. Fatimah, R. Agustiansyah, dan A. Musnansyah, “Analisis Sentimen Terhadap Pemilihan Gubernur Provinsi Sulawesi Selatan Tahun 2018 Menggunakan Data Twitter Dan Metode Sentiment Lexicon,” e-Proceeding Eng., vol. 6, no. 1, hal. 1928–1934, 2019.

M. Farhadloo dan E. Rolland, “Fundamentals of sentiment analysis and its applications,” Stud. Comput. Intell., vol. 639, hal. 1–24, 2016, doi: 10.1007/978-3-319-30319-2_1.

D. G. Nugroho, Y. H. Chrisnanto, dan A. Wahana, “Analisis Sentimen Pada Jasa Ojek Online ... (Nugroho dkk.),” Pros. SNST Ke - 7, vol. 7, hal. 156–161, 2016.

R. Ardianto, T. Rivanie, Y. Alkhalifi, F. S. Nugraha, dan W. Gata, “Sentiment Analysis on E-Sports for Education Curriculum Using Naive Bayes and Support Vector Machine,” J. Ilmu Komput. dan Inf., vol. 13, no. 2, hal. 109–122, 2020, doi: 10.21609/jiki.v13i2.885.

M. Sodanil, “Multi-Language Sentiment Analysis for Hotel Reviews,” MATEC Web Conf., vol. 75, hal. 5–8, 2016, doi: 10.1051/matecconf/20167503002.

R. I. Permatasari, M. A. Fauzi, P. P. Adikara, dan E. D. L. Sari, “Twitter Sentiment Analysis of Movie Reviews using Ensemble Features Based Naïve Bayes,” 3rd Int. Conf. Sustain. Inf. Eng. Technol. SIET 2018 - Proc., hal. 92–95, 2018, doi: 10.1109/SIET.2018.8693195.

A. Priyanto dan M. R. Ma’arif, “Implementasi Web Scrapping dan Text Mining untuk Akuisisi dan Kategorisasi Informasi dari Internet (Studi Kasus: Tutorial Hidroponik),” Indones. J. Inf. Syst., vol. 1, no. 1, hal. 25–33, 2018, doi: 10.24002/ijis.v1i1.1664.

H. Andreas, N. Andreas, P. Gerhard, dan A. Fraunhofer, “A brief survey of text mining,” in LDV Forum-GLDV Journal for Computational Linguistics and Language Technology, 2005, vol. 20, no. 1, hal. 19–62.

W. Chen, Z. Xu, X. Zheng, Q. Yu, dan Y. Luo, “Research on sentiment classification of online travel review text,” Appl. Sci., vol. 10, no. 15, 2020, doi: 10.3390/APP10155275.

R. Novendri, A. S. Callista, D. N. Pratama, dan C. E. Puspita, “Sentiment Analysis of YouTube Movie Trailer Comments Using Naïve Bayes,” Bull. Comput. Sci. Electr. Eng., vol. 1, no. 1, hal. 26–32, 2020, doi: 10.25008/bcsee.v1i1.5.

M. A. Rosid, A. S. Fitrani, I. R. I. Astutik, N. I. Mulloh, dan H. A. Gozali, “Improving Text Preprocessing for Student Complaint Document Classification Using Sastrawi,” IOP Conf. Ser. Mater. Sci. Eng., vol. 874, no. 1, 2020, doi: 10.1088/1757-899X/874/1/012017.

Z. Jiang, B. Gao, Y. He, Y. Han, P. Doyle, dan Q. Zhu, “Text Classification Using Novel Term Weighting Scheme-Based Improved TF-IDF for Internet Media Reports,” Math. Probl. Eng., vol. 2021, no. ii, 2021, doi: 10.1155/2021/6619088.

A. Kumar dan A. Jaiswal, “Systematic literature review of sentiment analysis on Twitter using soft computing techniques,” Concurr. Comput. Pract. Exp., vol. 32, no. 1, hal. 1–29, 2020, doi: 10.1002/cpe.5107.

K. A. F. A. Samah, A. A. S. A. Sani, N. Sabri, S. Ibrahim, A. F. A. Fadzil, dan L. S. Riza, “Visualizing communication of service providers reputation during COVID-19 pandemic: A conceptual model,” Int. J. Adv. Trends Comput. Sci. Eng., vol. 9, no. 1.4 Special Issue, hal. 558–568, 2020, doi: 10.30534/ijatcse/2020/7891.42020.

A. R. Susanti, T. Djatna, dan W. A. Kusuma, “Twitter’s sentiment analysis on GSM services using Multinomial Naïve Bayes,” Telkomnika (Telecommunication Comput. Electron. Control., vol. 15, no. 3, hal. 1354–1361, 2017, doi: 10.12928/TELKOMNIKA.v15i3.4284.

B. Keith Norambuena, E. F. Lettura, dan C. M. Villegas, “Sentiment analysis and opinion mining applied to scientific paper reviews,” Intell. Data Anal., vol. 23, no. 1, hal. 191–214, 2019, doi: 10.3233/IDA-173807.

Mustakim et al., “Data Sharing Technique Modeling for Naive Bayes Classifier for Eligibility Classification of Recipient Students in the Smart Indonesia Program,” J. Phys. Conf. Ser., vol. 1424, no. 1, 2019, doi: 10.1088/1742-6596/1424/1/012009.

F. Tempola, M. Muhammad, dan A. Khairan, “Perbandingan Klasifikasi Antara KNN dan Naive Bayes pada Penentuan Status Gunung Berapi dengan K-Fold Cross Validation,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 5, hal. 577, 2018, doi: 10.25126/jtiik.201855983.

S. A. El Rahman, F. A. Alotaibi, dan W. A. Alshehri, “Sentiment Analysis of Twitter Data,” 2019 Int. Conf. Comput. Inf. Sci. ICCIS 2019, 2019, doi: 10.1109/ICCISci.2019.8716464.

F. Z. Tala, “A Study of Stemming Effects on Information Retrieval in Bahasa Indonesia,” M.Sc. Thesis, Append. D, vol. pp, hal. 39–46, 2003.


Refbacks

  • There are currently no refbacks.


FAKULTAS SAINS DAN TEKNOLOGI
UIN SUSKA RIAU
Kampus Raja Ali Haji
Gedung Fakultas Sains & Teknologi UIN Suska Riau
Jl.H.R.Soebrantas No.155 KM 18 Simpang Baru Panam, Pekanbaru 28293
Email: sntiki@uin-suska.ac.id