ANALISIS SENTIMEN TERHADAP OJEK ONLINE MENGGUNAKAN NAÏVE BAYES DENGAN PEMBOBOTAN TF IDF

  • Imam Fahrur Rozi
  • Pramana Yoga Saputra
  • Dwi Lidiana Wati

Abstract

Ojek online merupakan pemanfaatan teknologi dengan aplikasi pada smartphone yang memudahkan masyarakat untuk menggunakan layanan yang disediakan oleh pemilik layanan ojek online. Analisis sentimen digunakan untuk melihat pendapat atau kecenderungan opini terhadap sebuah masalah atau objek oleh seseorang menuju ke opini positif atau negatif.  Media Twitter merupakan salah satu media yang digunakan untuk memberikan opini melalui tweet. Pengguna Twitter akan memberikan opini berupa kritikan atau pujian terhadap sebuah layanan ojek online yang nantinya dari opini tersebut dapat diklasifikasikan apakah tweet tersebut merupakan tweet positif atau negatif. Algoritma yang digunakan dalam klasifikasi adalah Naïve Bayes Classifier. Untuk mendapatkan hasil yang lebih optimal, maka akan ditambahkan pembobotan TF (Term Frequency) dan IDF (Invers Document Frequency). Dataset berjumlah 900 tweet yang didapatkan dari mention para pengguna ojek online kepada akun official masing-masing ojek online. Akun official yang digunakan adalah @gojekindonesia, GrabID, dan Uber_IDN. Berdasarkan hasil penelitian, algoritma Naïve Bayes dan pembobotan TF IDF didapatkan hasil rata-rata akurasi sebesar 92,467% pada stopword dan 92,667% pada laplace. Sedangkan pada pengujian Naive Bayes Classifier mendapatkan hasil rata-rata sebesar 92,222% pada stopword dan 92,667% pada laplace.

 

Kata kunci : Naïve Bayes Classifier, TF IDF, Ojek Online, Analisis Sentimen, Twitter