Klasifikasi Sentimen Ulasan Transportasi Umum Kota Surabaya pada Media Sosial X (Twitter)
Abstract
Abstrak — Transportasi umum merupakan aspek vital dalam infrastruktur perkotaan yang mendukung mobilitas dan pertumbuhan ekonomi. Di Kota Surabaya, meskipun pemerintah telah berupaya meningkatkan layanan melalui Suroboyo Bus, Trans Semanggi, dan Wira Wiri, kemacetan dan ketidakpuasan publik masih menjadi isu utama. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap layanan transportasi umum di Surabaya dengan memanfaatkan ulasan pada media sosial X (sebelumnya Twitter). Metode yang digunakan adalah machine learning dengan algoritma Support Vector Machine (SVM) untuk mengklasifikasikan ulasan ke dalam sentimen positif, negatif, dan netral. Tahapan penelitian mencakup pengumpulan data (web scraping), pre-processing data teks, pembobotan fitur menggunakan TF-IDF, penanganan ketidakseimbangan kelas dengan teknik SMOTE, serta optimasi model menggunakan GridSearchCV. Hasil penelitian menunjukkan bahwa model SVM dengan kernel RBF mampu menghasilkan akurasi sebesar 82.62%. Analisis lebih lanjut mengungkapkan bahwa sentimen negatif mendominasi (43.76%) dengan fokus pada masalah kemacetan dan waktu tunggu, sementara sentimen positif (33.44%) menyoroti kenyamanan armada, dan sentimen netral (22.80%) berkaitan dengan informasi rute. Temuan ini memberikan wawasan berbasis data bagi pemangku kepentingan untuk perbaikan strategis layanan transportasi publik.
Kata kunci —analisis sentimen, support vector machine, transportasi umum, surabaya, twitter, text mining
References
REFERENSI
J. A. Ariesandi, R. Resita, and Z. Salsabila, “Kebijakan Transportasi Umum (Angkot) Untuk Menanggulangi Kemacetan Jalan,” Jurnal Kebijakan Publik, vol. 11, no. 2, 2020.
A. R. Riawan and E. Ahyudanari, “Analisis Aksesibilitas dalam Penggunaan Transportasi Umum, di Kota Bekasi dengan Metode Competition Measure,” Jurnal Aplikasi Teknik Sipil, vol. 18, no. 2, 2020.
TomTom, “TomTom Traffic Index 2024,” TomTom, 2024. [4] H. Widyastuti and E. Santoso, “Analisis Integrasi Moda Transportasi Bus Suroboyo dan Kereta Api Komuter Menggunakan Metode Importance-Performance Analysis,” Jurnal Aplikasi Teknik Sipil, vol. 21, no. 2, pp. 115-124, 2023.
Jurno.id, “Transportasi Umum di Surabaya Biasa Saja,” Jurno.id, 2023.
T. Hidayat and R. K. Wardani, “Pemanfaatan Media Sosial Twitter sebagai Media Evaluasi Pelayanan Publik Menggunakan Analisis Sentimen,” Jurnal Sistem Informasi dan Bisnis Cerdas, vol. 15, no. 2, pp. 88-96, 2022.
A. Z. Rasyida, I. D. Wijaya, and Y. Yunhasnawa, “Analisis Sentimen Kualitas Layanan Online Marketplace di Indonesia Menggunakan Metode Support Vector Machine,” in Seminar Informatika Aplikatif Polinema (SIAP), 2020.
M. Fitra Rizki, K. Auliasari, and R. Primaswara Prasetya, “Analisis Sentiment Cyberbullying Pada Sosial Media Twitter Menggunakan Metode Support Vector Machine,” Jurnal Mahasiswa Teknik Informatika, vol. 5, no. 2, 2021.
T. M. P. Aulia, N. Arifin, and R. Mayasari, “Perbandingan Kernel Support Vector Machine (SVM) Dalam Penerapan Analisis Sentimen Vaksinisasi Covid-19,” SINTECH JOURNAL, vol. 4, no. 2, 2021.
F. Junian Wahidna and P. Nerisafitra, “Analisis Sentimen Pengguna Sistem Pay Later Menggunakan Support Vector Machine Metode Pembobotan Lexicon,” Journal of Informatics and Computer Science, vol. 04, 2023.
E. Dwianto and M. Sadikin, “Analisis Sentimen Transportasi Online pada Twitter Menggunakan Metode Klasifikasi Naïve Bayes dan Support Vector Machine,” Jurnal Format, vol. 10, no. 1, 2021.
F. Ladayya, D. Siregar, W. E. Pranoto, and H. D. Muchtar, “Analisis Sentimen pada Program Transportasi Publik JakLingko dengan Metode Support Vector Machine,” Jurnal Statistika Dan Aplikasinya, vol. 6, no. 2, 2022.
Z. Alhaq, A. Mustopa, and J. D. Santoso, “Penerapan Metode Support Vector Machine Untuk Analisis Sentimen Pengguna Twitter,” Journal of Information System Management (JOISM), vol. 3, no. 1, 2021. [14] N. Andriani and A. Wibowo, “Implementasi Text Mining Klasifikasi Topik Tugas Akhir Mahasiswa Teknik Informatika Menggunakan Pembobotan TF-IDF dan Metode Cosine Similarity Berbasis Web,” in Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA), 2021.
A. K. Fauziyyah, “Analisis Sentimen Pandemi Covid19 Pada Streaming Twitter Dengan Text Mining Python,” Jurnal Ilmiah SINUS, vol. 18, no. 2, p. 31, 2020.
D. Agustina, E. Putri, F. Fauzi, S. N. Alawiyah, and R. Wasono, “Penerapan Metode Support Vector Machine (SVM) Untuk Klasifikasi Data Ekspresi Gen Microarray,” Prosiding Seminar Edusainstech, vol. 4, 2020.
S. S. M. Putri, M. Arhami, and H. Hendrawaty, “Penerapan Metode SVM pada Klasifikasi Kualitas Air,” JAISE: Journal of Artificial Intelligence and Software Engineering, vol. 3, no. 2, 2023.
H. C. Husada and A. S. Paramita, “Analisis Sentimen Pada Maskapai Penerbangan di Platform Twitter Menggunakan Algoritma Support Vector Machine (SVM),” Teknika, vol. 10, no. 1, pp. 18–26, 2021.
D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” Jurnal Sains Komputer & Informatika (J-SAKTI), vol. 5, no. 2, 2021.
P. Arsi and R. Waluyo, “Analisis Sentimen Wacana Pemindahan Ibu Kota Indonesia Menggunakan Algoritma Support Vector Machine (SVM),” Jurnal Teknologi Informasi Dan Ilmu Komputer (JTIIK), vol. 8, no. 1, pp. 147–156, 2021.
