Analisis Sentimen Transportasi Online pada Twitter Menggunakan Metode Klasifikasi Naïve Bayes dan Support Vector Machine
DOI:
https://doi.org/10.22441/format.2021.v10.i1.009Keywords:
Transportasi online, analisis sentimen, Twitter, Naïve Bayes Classifier, Support Vector MachineAbstract
Transportasi online merupakan salah satu pilihan bagi masyarakat untuk berkegiatan sehari-hari baik saat bekerja, bepergian dan melakukan aktivitas lain. Salah satu cara untuk mengetahui persepsi masyarakat terhadap layanan transportasi online adalah dengan analisis sentimen seperti yang dilakukan pada penelitian ini. Data yang digunakan merupakan data valid dari sosial media Twitter untuk Transportasi online GrabId dan GojekIndonesia. Teknik analisis sentimen yang digunakan adalah Naïve Bayes Classifier dan metode Support Vector Machine (SVM). Keduanya digunakan untuk membandingkan tanggapan masyarakat dari analisis sentimen data tweet yang telah diklasifikasikan menjadi positif dan negatif. Berdasarkan penelitian ini didapatkan bahwa GrabId menggunakan metode SVM memberikan hasil class precision positif dan negatif yaitu 86.47% dan 46.67%, class recall positif dan negatif yaitu 96.21% dan 18.06%, accuracy 84.08%. Sedangkan untuk GojekIndonesia, metode SVM memberikan hasil yaitu class precision positif dan negatif yaitu 73.90% dan 35.65%, class recall positif dan negatif yaitu 89.84% dan 15.07%, accuracy 69.50%. Dari akurasi yang dihasilkan, metode SVM menghasilkan kinerja terbaik.Downloads
References
D. G. Nugroho, Y. H. Chrisnanto, and A. Wahana, “Analisis Sentimen Pada Jasa Ojek Online ... (Nugroho dkk.),” pp. 156–161, 2015.
A. Chan, M. Maharani, and P. W. Tresna, “Perbandingan Pengalaman Pengguna Pada Aplikasi Mobile Go-Jek Dan Grab (Studi Pada Konsumen Pt Go-Jek Dan Pt Grab Indonesia Di Dki Jakarta),” AdBispreneur, vol. 2, no. 2, 2017, doi: 10.24198/adbispreneur.v2i2.13183.
“Gojek - Wikipedia bahasa Indonesia, ensiklopedia bebas.” https://id.wikipedia.org/wiki/Gojek.
“Grab (perusahaan) - Wikipedia bahasa Indonesia, ensiklopedia bebas.” https://id.wikipedia.org/wiki/Grab_(perusahaan).
B. M. Pintoko and K. M. L, “Analisis Sentimen Jasa Transportasi Online pada Twitter Menggunakan Metode Naïve Bayes Classifier,” e-Proceeding Eng., vol. 5, no. 3, pp. 8121–8130, 2017.
F. AFSHOH, “Analisis Sentimen Menggunakan Naive Bayes Untuk Melihat Persepsi Masyarakat Terhadap Kenaikan Harga Jual Rokok Pada Media Sosial Twitter,” pp. 1–17, 2017.
M. . Imelda A.Muis & Muhammad Affandes, “Penerapan Metode SVM ( SVM ) Menggunakan Kernel Radial Basis Function ( RBF ) Pada Klasifikasi Tweet,” Sains, Teknol. dan Ind. Sultan Syarif Kasim Riau, vol. 12, no. 2, pp. 189–197, 2015.
A. T. J. H, “Preprocessing Text untuk Meminimalisir Kata yang Tidak Berarti dalam Proses Text Mining,” Inform. UPGRIS, vol. 1, pp. 1–9, 2015.
Downloads
Published
How to Cite
Issue
Section
License
- Attribution (BY): You must give appropriate credit to the original creator, provide a link to the license, and indicate if you made any changes.
- ShareAlike (SA): If you remix, transform, or build upon the material, you must distribute your new creation under the same or a compatible license (such as CC BY-SA 4.0).
- No Additional Restrictions: You cannot apply legal terms or technological measures that legally restrict others from doing anything the license permits.
- Share: Copy and redistribute the material in any medium or format.
- Adapt: Remix, transform, and build upon the material to create new works (like artwork, code, or documentation).
- Commercial Use: You can use and sell your adaptations or distributions commercially, provided you respect the ShareAlike condition.
- Irrevocable: Once granted by the creator, the license cannot be taken back as long as you comply with its terms.
- No Warranties: The material is provided "as-is," and the licensor gives no guarantees or warranties regarding your use of the work.
- Official Reference: You can read the full legal summary on the Creative Commons Attribution-ShareAlike 4.0 International Deed.
