Analisis Sentimen Masyarakat Terhadap Brand Smartfren Menggunakan Naive Bayes Classifier Di Forum Kaskus
Abstract
Analisis sentimen atau opinion mining merupakan analisis yang bertujuan untuk melihat sentimen masyarakat atau kelompok mengenai entitas tertentu. Sentimen yang diekspresikan masyarakat bisa dalam bentuk positif atau negatif. Penelitian ini dilakukan untuk mengklasifikasikan sentimen masyarakat terhadap brand Smartfren. Smartfren merupakan salah satu perusahaan operator telekomunikasi seluler di Indonesia yang masih bertahan dengan jenis jaringan komunikasi CDMA (Code Division Multiple Access). Pandangan masyarakat terhadap brand Smartfren, tertuang dalam sebuah sentimen, baik itu positif maupun negatif. Dengan semakin berkembangnya teknologi informasi, opini atau sentimen masyarakat banyak dibagikan melalui media sosial. Penelitian ini mengambil komentar-komentar user terhadap brand Smartfren di forum Kaskus. Pengklasifikasian komentar berupa positif atau negatif menggunakan metode naive bayes classifier (NBC). Memvisualisasikan kata-kata menggunakan wordcloud. Dari hasil pengujian untuk kasus pada penelitian ini didapatkan bahwa NBC dapat diimplementasikan dengan nilai akurasi 98.40%. Dari 6338 data uji, 4049 berhasil terklasifikasi kedalam sentimen positif dan 3233 data bersentimen negatif. Komentar terbanyak pada bulan januari yaitu sebanyak 1472 data.Dari proses wordcloud, dapat disimpulkan bahwa kata-kata dalam komentar user yang mendominasi dari hasil analisis sentimen brand Smartfren, yang bersentimen positif, antara lain smartfren, paket, true unlimited, speed, lancar dan kencang dan bersentimen negatif, antara lain paket, smartfren, beli, true unlimited, lamban, masalah dan gangguan. Kata Kunci : analisis sentimen; smartfren; word cloud; naive bayes classifier.Downloads
References
We Are Social. (2016). Digital, social & mobile in APAC 2015. . Mei 2016]. http://wearesocial.com/sg/specialreports/digital-social-mobile-in-apac-in-2015[2
Kominfo. (2016). Kemkominfo terus berdayakan masyarakat semakin melek TIK. . [2 Mei 2016]. https://kominfo.go.id/index.php/content/detail/5890/Kemkominfo+Terus+Berdayakan+Masyarakat+Semakin+Melek+TIK/0/berita_satker
CrowdVoice. (2014). 4 dari 5 operator CDMA akan ditutup. . Mei 2016]. https://id.crowdvoice.com/posts/4–dari-5-operator-cdma-akan-ditutup-2uY2.[2
Kaskus. (2016). About kaskus. . Mei 2016]. https://help.kaskus.co.id/sejarah_kaskus.php[2
Kotler, Philip. (2012). Prinsip-prinsip pemasaran jilid 1 edisi 12. Bandung: Erlangga.
Hurwitz, Judith., Nugent, Alan., Halper, Fern., dan Kaufman, Marcia. (2013). Big data for dummies. John Wiley & Sons, Inc.
Han, J., Kamber, M., dan Pei, J. (2012). Data mining: Concepts and techniques (3rd ed. ). Morgan Kaufmann.
Liu, Bing. (2012). Sentiment analysis and opinion mining. Morgan & Claypool Publisher.
Miley, Frances., dan Andrew, Read. (2011). Using word clouds to develop proactive learners. Journal of the Scholarship of Teaching and Learning. 11(2), 91–110. Retrrieved from University of New South Wales at the Australian Defence Force Academy and University of Canberra.
İkiz, Aysun Kapucugil., dan Özdağoğlu, Güzin. (2015). Text mining as a supporting process for voc clarification. Alphanumeric Journal, 3(1), 025–040. The Journal of Operations Research, Statistics, Econometrics and Management Information Systems.
Manning, Christopher D., Raghavan, Prabhakar., dan Schütze, Hinrich. (2009). An introduction to information retrieval. Cambridge University Press.
Olson, David L., dan Delen, Dursun. (2008). Advanced data mining techniques. Heidelberg: Springer.



