ANALISIS SENTIMEN PADA PLATFORM X TERHADAP LAYANAN PROVIDER TRI MENGGUNAKAN NAÏVE BAYES DAN SUPPORT VECTOR MACHINE

Authors

  • Adrian Nur Ihsan Politeknik TEDC Bandung
  • Shandy Tresnawati Politeknik TEDC Bandung

DOI:

https://doi.org/10.23960/jitet.v12i3S1.5264

Abstract Views: 528 File Views: 519 File Views: 0

Abstract

Abstrak. Perkembangan teknologi digital dan media sosial telah mengubah cara masyarakat berinteraksi dan menyampaikan opini. Platform X (sebelumnya dikenal sebagai Twitter) menjadi salah satu media yang banyak digunakan untuk menyuarakan pendapat terkait berbagai isu, termasuk layanan telekomunikasi. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap layanan Provider Tri yang diungkapkan melalui tweet di X, dengan menggunakan algoritma Naïve Bayes dan Support Vector Machine serta menerapkan metodologi data mining SEMMA. Data penelitian ini diperoleh melalui teknik crawling, menghasilkan 4.333 tweet yang dikumpulkan dari 1 Januari 2023 hingga 30 April 2024. Dataset ini kemudian dievaluasi dengan membaginya ke dalam berbagai rasio pelatihan dan pengujian. Analisis menggunakan rasio 90:10, yang dilakukan dengan 10-fold cross-validation, menunjukkan bahwa algoritma Naïve Bayes memperoleh akurasi sebesar 67,73%, presisi sebesar 72,30%, recall sebesar 67,73%, dan f1-score sebesar 58,66%. Sebaliknya, algoritma Support Vector Machine mencapai akurasi sebesar 76,10%, presisi sebesar 75,65%, recall sebesar 76,10%, dan f1-score sebesar 75,20%. Hasil menunjukkan bahwa algoritma Support Vector Machine lebih unggul dengan akurasi tertinggi sebesar 76,10%. Selain itu, analisis sentimen menunjukkan bahwa mayoritas sentimen pengguna terhadap layanan Provider Tri adalah positif.

Downloads

Download data is not yet available.

Downloads

Published

2024-10-12

How to Cite

Ihsan, A. N., & Tresnawati, S. (2024). ANALISIS SENTIMEN PADA PLATFORM X TERHADAP LAYANAN PROVIDER TRI MENGGUNAKAN NAÏVE BAYES DAN SUPPORT VECTOR MACHINE. Jurnal Informatika Dan Teknik Elektro Terapan, 12(3S1). https://doi.org/10.23960/jitet.v12i3S1.5264

Issue

Section

Articles