ANALISIS SENTIMEN TERHADAP PELAYANAN INDIHOME MENGGUNAKAN METODE NAIVE BAYES DAN ADABOOST BERDASARKAN DATA PLATFORM X

ANALISIS SENTIMEN TERHADAP PELAYANAN INDIHOME MENGGUNAKAN METODE NAIVE BAYES DAN ADABOOST BERDASARKAN DATA PLATFORM X

• By Rama Wahyudi; Roni Setiawan Nababan;
• S1- Sistem Infomasi
• 1
• 1-70

Pelayanan publik adalah segala bentuk layanan atau pelayanan yang di sediakan oleh pemerintah atau institusi yang diakui secara resmi untuk memenuhi kebutuhan dan kepentingan masyarakat umum. Dalam aplikasi X(Twitter), pengguna bebas memberikan komentar atau opini tentang pelanyanan publik. Analisis sentiment diperlukan untuk menganalisis komentar atau opini mengenai suatu permasalahan atau objek, guna mengetahui apakah cenderung memberikan pandangan positif atau negatif terhadap pelayanan IndiHome. Penelitian ini menggunakan Bahasa pemrograman Python untuk menganalisis data, sedangkan metode yang digunakan dalam penelitian ini adalah metode Naïve Bayes dan Adaboost. Pengumpulan data dilakukan dengan cara mengcrawling ulasan layanan IndiHome dari pengguna X(Twitter). Data tweets didapatkan dengan cara crawl X(Twitter) menggunakan teknik Web scarping menghasilkan sebanyak 4014 komentar, yang berasal dari periode 1 Januari 2022 hingga 22 Maret 2024. Data yang terkumpul melewati tahap preprocessing dan menghasilkan data bersih 1421 komentar, dimana untuk sentiment positif berjumlah 330 data dan negatif berjumlah 1091 data. Hasil dari penelitian ini menunjukkan metode Naïve Bayes yang di ensembling dengan Adaboost merupakan hasil terbaik dengan accuracy 90%.

• Katakunci Adaboost, Analisis Sentimen, Naïve Bayes, X(Twitter)
• URL http://
• Penerbit ,

REFERENSI

Amien, M. (2023). Workshop Pengenalan Bahasa Pemrograman Python untuk Data Sains.

 

Atimi, R. L., & Enda Esyudha Pratama. (2022). Implementasi Model Klasifikasi Sentimen Pada Review Produk Lazada Indonesia. Jurnal Sains Dan Informatika, 8(1), 88–96. https://doi.org/10.34128/jsi.v8i1.419

 

Bambang Suryantoro, Y. K. (2020). ANALISIS KUALITAS PELAYANAN PUBLIKPADA POLITEKNIK PELAYARAN SURABAYA.

 

Baskoro, B. B., Susanto, I., & Khomsah, S. (2021). Analisis Sentimen Pelanggan Hotel di Purwokerto Menggunakan Metode Random Forest dan TF-IDF (Studi Kasus: Ulasan Pelanggan Pada Situs TRIPADVISOR). INISTA (Journal of Informatics Information System Software Engineering and Applications), 3(2), 21–29. https://doi.org/10.20895/INISTA.V3

 

Dewi, A. R., Diana, S., Fakhrezi, M. A., Awang, N., Ma’arif, H., & Saputra, D. D. (2023). SENTIMEN ANALISIS TERHADAP PUAN MAHARANI SEBAGAI KANDIDAT CALON PRESIDEN 2024 BERDASARKAN OPINI TWITTER MENGGUNAKAN METODE NAIVE BAYES DAN ADABOOST. JSiI (Jurnal Sistem Informasi), 10(1), 75–80. https://doi.org/10.30656/jsii.v10i1.5785

 

Dwi, A., & Informatika, C. (2023). METODE NAIVE BAYES UNTUK KLASIFIKASI MASA STUDI SARJANA. In Teknologipintar.org (Vol. 3, Issue 4).

 

Fitriani, Y. (2021). Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi 4.0 Internasional. PEMANFAATAN MEDIA SOSIAL SEBAGAI MEDIA PENYAJIAN KONTEN EDUKASI ATAU PEMBELAJARAN DIGITAL. Journal of Information System, Applied, Management, Accounting and Research, 5(4), 1006–1013. https://doi.org/10.52362/jisamar.v5i4.609

 

Helmi Satria. (n.d.). Tweet Harvest. Helmisatria. Retrieved March 24, 2024, from https://helmisatria.com/blog/updated-crawl-data-twitter-x-maret-2024

 

Khairunnisa, S., Adiwijaya, A., & Faraby, S. Al. (2021). Pengaruh Text Preprocessing terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter (Studi Kasus Pandemi COVID-19). Jurnal Media Informatika Budidarma, 5(2), 406. https://doi.org/10.30865/mib.v5i2.2835

Kusuma, D. R., Syofian, S., & Afifa, L. N. (2023). Analisis Sentimen Tanggapan Pelanggan Indihome Di Platform Sosial Media Facebook Dan Twitter Menggunakan Support Vector Mesin Dan Pendekatan Klasifikasi Naïve Bayes ( Studi Kasus : Pt . Telkom Indonesia ). XIII(1), 124–133.

 

Larasati, F. A., Ratnawati, D. E., & Hanggara, B. T. (2022). Analisis Sentimen Ulasan Aplikasi Dana dengan Metode Random Forest. … Teknologi Informasi Dan …, 6(9), 4305–4313. http://j-ptiik.ub.ac.id

 

Lestari, N. A., Akhriza, M., Yuniar, E., Ppkia, S., Paramita, P., Laksda, J., Sucipto, A., & Timur, J. (2020). METODE NAÏVE BAYES CLASSIFIER DENGAN TEXTBLOB UNTUK ANALISIS SENTIMEN TERHADAP PELAYANAN INDIHOME DAN FIRST MEDIA. Seminar Nasional Teknologi Informasi Dan Komunikasi STI&K (SeNTIK), 4(1). https://t.co/Ws2wOyU5kz

 

Nasution, M. R. A., & Hayaty, M. (2019). Perbandingan Akurasi dan Waktu Proses Algoritma K-NN dan SVM dalam Analisis Sentimen Twitter. Jurnal Informatika, 6(2), 226–235. https://doi.org/10.31311/ji.v6i2.5129

 

Purnamasari, I., & Dwi Saputra, D. (2023). Analisis Sentimen dengan Metode Naïve Bayes, SMOTE dan Adaboost pada Twitter Bank BTN. Jurnal Teknologi Informasi Dan Komunikasi), 7(2). https://doi.org/10.35870/jti

 

Putri, K. S., Setiawan, I. R., & Pambudi, A. (2023). Analisis Sentimen Terhadap Brand Skincare Lokal Menggunakan Naïve Bayes Classifier. Technologia : Jurnal Ilmiah, 14(3), 227. https://doi.org/10.31602/tji.v14i3.11259

 

Qadrini, L., Sepperwali, A., & Aina, A. (2021). Decision Tree Dan Adaboost Pada Klasifikasi Penerima Program Bantuan Sosial. Jurnal Inovasi Penelitian, 2(7), 1959–1966.

 

Rachman, F. H., & Imamah, I. (2022). Pendekatan Data Science untuk Mengukur Empati Masyarakat terhadap Pandemi Menggunakan Analisis Sentimen dan Seleksi Fitur. Jurnal Edukasi Dan Penelitian Informatika (JEPIN), 8(3), 492. https://doi.org/10.26418/jp.v8i3.56655

 

Rahma Firmansyah, D., Lestariningsih, E., & Homepage, J. (2024). Analisis Sentimen Ulasan Aplikasi Smart Campus Unisbank di Google Playstore Menggunakan Algoritma Naive Bayes Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi). Jurnal Teknologi Informasi Dan Komunikasi), 8(2), 2024. https://doi.org/10.35870/jti

 

Rais, A. N. (2019). Integrasi SMOTE Dan Ensemble AdaBoost Untuk Mengatasi Imbalance Class Pada Data Bank Direct Marketing. Jurnal Informatika, 6(2), 278–285. https://doi.org/10.31311/ji.v6i2.6186

 

Rakhmawati, N. A., Aditama, M. I., Pratama, R. I., & Wiwaha, K. H. U. (2020). Analisis Klasifikasi Sentimen Pengguna Media Sosial Twitter Terhadap Pengadaan Vaksin COVID-19. Journal of Information Engineering and Educational Technology, 4(2), 90–92. https://doi.org/10.26740/jieet.v4n2.p90-92

 

Rayuwati, Husna Gemasih, & Irma Nizar. (2022). IMPLEMENTASI AlGORITMA NAIVE BAYES UNTUK MEMPREDIKSI TINGKAT PENYEBARAN COVID. Jural Riset Rumpun Ilmu Teknik, 1(1), 38–46. https://doi.org/10.55606/jurritek.v1i1.127

 

Singgalen, Y. A. (2023). Analisis Sentimen Wisatawan terhadap Taman Nasional Bunaken dan Top 10 Hotel Rekomendasi Tripadvisor Menggunakan Algoritma SVM dan DT berbasis CRISP-DM. Journal of Computer System and Informatics (JoSYC), 4(2), 367–379. https://doi.org/10.47065/josyc.v4i2.3092

 

Syah, F., Fajrin, H., Afif, A. N., Saeputra, R., Mirranty, D., & Saputra, D. D. (2023). Analisa Sentimen Terhadap Twitter IndihomeCare Menggunakan Perbandingan Algoritma Smote, Support Vector Machine, AdaBoost dan Particle Swarm Optimization. Jurnal Teknologi Informasi Dan Komunikasi), 7(1). https://doi.org/10.35870/jti

 

Ulgasesa, R., Negara, A. B. P., & Tursina, T. (2022). Pengaruh Stemming Terhadap Performa Klasifikasi Sentimen Masyarakat Tentang Kebijakan New Normal. Jurnal Sistem Dan Teknologi Informasi (JustIN), 10(3), 286. https://doi.org/10.26418/justin.v10i3.53880

 

Wijaya, D., Saputra, R. A., & Irwiensyah, F. (2024). Analisis Sentimen Ulasan Aplikasi Samsat Digital Nasional Pada Google Playstore Menggunakan Algoritma Naïve Bayes. KLIK: Kajian Ilmiah Informatika Dan Komputer, 4(4), 2369–2380. https://doi.org/10.30865/klik.v4i4.1738

 

Yusup, M., Santhi Zinaida, R., & Jenderal Ahmad Yani No, J. (2020). PERSEPSI MAHASISWA UNIVERSITAS BINA DARMA PADA AKUN TWITTER @BidarPalembang SEBAGAI MEDIA INFORMASI.