ANALISIS SENTIMEN PERSEPSI PUBLIK TERHADAP BANK DKI PADA TWITTER MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER

Abstract

Media sosial menjadi sumber penting dalam memahami persepsi publik terhadap institusi perbankan di era digital. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap layanan Bank DKI berdasarkan data Twitter menggunakan metode Naive Bayes Classifier (NBC) dengan pendekatan pembobotan kata TF-IDF. Data diperoleh melalui proses crawling menggunakan Twitter API dengan kata kunci terkait Bank DKI, kemudian dipra-pemrosesan melalui tahapan annotation removal, tokenization, case folding, stopword removal, dan token filtering. Dari 1.031 tweet yang dianalisis, hasil klasifikasi menunjukkan tingkat akurasi sebesar 88,07%. Evaluasi model menggunakan precision, recall, dan F1-Score menunjukkan performa yang stabil, terutama pada kelas sentimen negatif dan netral yang mendominasi persepsi publik. Analisis distribusi sentimen mengindikasikan bahwa ketidakpuasan masyarakat terutama berkaitan dengan gangguan layanan transaksi digital. Temuan ini diperkuat melalui visualisasi wordcloud sentimen negatif yang menyoroti isu utama seperti error sistem, gangguan aplikasi, dan kendala transaksi. Hasil penelitian ini menunjukkan bahwa integrasi NBC dan TF-IDF efektif dalam memetakan opini publik secara objektif serta dapat dimanfaatkan sebagai dasar pengambilan keputusan strategis dalam peningkatan kualitas layanan digital Bank DKI