IMPLEMENTASI MULTINOMIAL NAIVE BAYES UNTUK KLASIFIKASI SENTIMEN TERHADAP PELAYANAN PERUSAHAAN OTOBUS MENGGUNAKAN DATA FACEBOOK

Abstract

Kepuasan pelanggan dapat dilihat dari baik buruknya kualitas pelayanan. banyak masyarakat yang menggunakan jejaring sosial facebook untuk mengekspresikan opini. Analisis sentimen adalah paduan dari data mining dan teks mining. Oleh karena itu kumpulan postingan facebook yang berupa teks dikumpulkan untuk selanjutnya di olah agar bisa digunakan untuk analisis sentimen. Penggunaan algoritma multinomial Naïve Bayes agar hasil klasifikasi data sentimen lebih optimal. Ada tiga kelas yang digunakan, yaitu negative, netral, dan positif. Sebelum di klasifikasi, data mentah melewati tahap preprocessing terlebih dahulu untuk menormalisasi kata yang ada pada data. penggunaan metode TF-IDF membantu untuk pembobotan data. diperlukan pembagian data dalam tahap klasifikasi, Yang dimana data uji sebesar 20%, dan data latih sebesar 80%. Pengujian data ini menggunakan confusion matrix. jumlah persentase data sentiment terhadap pelayanan perusahaan otobus yang didapatkan dari facebook. dengan persentase 23% sentiment negatif, 53% sentiment netral, dan 25% sentiment Positif. Bisa disimpulkan bahwa pelayanan perusahaan otobus tersebut masih di anggap netral oleh penggunanya. Dari hasil uji data diperoleh nilai akurasinya 95%, precision 95%, dan recall 95%. Penelitian ini menunjukan bahwa metode yang digunakan memiliki tingkatan cukup baik.