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.