Analisis Sentimen Jasa Transportasi Online Pada Twitter Menggunakan Metode Naïve Bayes Classifier

Abstract

Abstrak Dengan berkembangnya dunia teknologi informasi, alat transportasi juga berkembang dengan adanya jasa transportasi online. Saat ini penggunaan jasa transportasi online sudah seperti kebutuhan, maka perlu melakukan analisis sentimen terhadap jasa transportasi online untuk mengetahui bagaimana tanggapan masyarakat terhadap jasa tranportasi online tersebut. Data yang digunakan harus merupakan data yang valid. Media yang penulis gunakan untuk mengambil data merupakan dari salah satu platform media sosial yaitu Twitter. Tugas Akhir ini dibuat untuk menganalisa tanggapan masyarakan dengan analisis data yang berupa tweet kemudian diklasifikasikan menjadi kelas positif dan negatif menggunakan metode Naïve Bayes Classifier. Berdasarkan sistem yang dibangun, didapatkan hasil sentimen positif sebesar 88.60% dan sentimen negatif sebesar 11.40% dengan akurasi sebesar 86.80%. Hasil menunjukkan tingkat sentimen positif dari tweet masyarakat lebih besar dibandingkan dengan tingkat sentimen negatif.

Kata kunci : transportasi online, analsis sentimen, Twitter, Naïve Bayes Classifier.

Abstract With the development of the world of information technology, transportation equipment is also developing with the existence of online transportation services. Currently the use of online transportation services is like a need, it is necessary to conduct a sentiment analysis of online transportation to find out how people respond to these online transportation services. The data used must be valid data. The media that I use to retrieve data is from one of the social media platforms, namely Twitter. This Final Project was made to analyze community responses with data analysis in the form of tweets then classified into positive and negative classes using the Naïve Bayes Classifier method. Based on the system built, there were 88.60% positive sentiments and 11.40% negative sentiments with an accuracy of 86.80%. The results show the level of positive sentiment from public tweets is greater than the level of negative sentiment.

Keywords: online transportation, sentiment analysis, Twitter, Naïve Bayes Classifier