Implementasi Algoritma Support Vector Machine Pada Analisis Sentimen Data Twitter (Studi Kasus : Ulasan Tentang Indihome Pada Platform Twitter)
Abstract
Teknik pengambilan data yang bersumber dari internet terutama sebuah website
dikenal sebagai teknik web scraping. Penelitian ini menggunakan teknik tersebut
untuk mengumpulkan data ulasan mengenai Indihome yang bersumber dari
platform Twitter. Indihome merupakan salah satu provider internet di Indonesia
yang cukup banyak penggunanya. Proses pengklasifikasian pada analisis sentimen
data Twitter ini menggunakan algoritma Support Vector Machine (SVM). Tujuan
dilakukannya penelitian ini agar mengetahui gambaran umum sentimen yang
diberikan oleh pelanggan terhadap Indihome, seberapa akurat hasil sentimen
menggunakan algoritma SVM, serta informasi yang didapatkan dari hasil analisis
sentimen. Pengkategorian kelas sentimen akan dibagi menjadi tiga kelas, yaitu
sentimen positif, negatif, dan netral. Dataset diambil pada rentang bulan Maret dan
April 2021. Klasifikasi dengan algoritma SVM mendapatkan tingkat akurasi
tertinggi menggunakan metode kernel Radial Basis Function (RBF), yakni sebesar
88,47% pada bulan Maret, dan 98,06% pada bulan April. Pelanggan Indihome
banyak memberikan ulasan negatif dibandingkan dengan ulasan positif dan netral.
Penilaian negatif yang diberikan, diantaranya mengenai sinyal internet yang
lambat, hilang, atau mati. Sedangkan, pada penilaian positif maupun netral berisi
tentang respon dari pihak Indihome dalam menangani keluhan dan malasah yang
dialami pelanggannya, serta berisi beberapa tips atau pertanyaan tentang Indihome.
Collections
- Statistics [900]