KOMPARASI METODE FEATURE SELECTION TEXT MINING PADA PERMASALAHAN KLASIFIKASI KELUHAN PELANGGAN INDUSTRI TELEKOMUNIKASI MENGGUNAKAN SMOTE DAN NAÏVE BAYES

Siti Fauziah; Dedi Dwi Saputra; Risca Lusiana Pratiwi; Mochammad Rizky Kusumayudha

doi:10.36549/ijis.v8i2.289

KOMPARASI METODE FEATURE SELECTION TEXT MINING PADA PERMASALAHAN KLASIFIKASI KELUHAN PELANGGAN INDUSTRI TELEKOMUNIKASI MENGGUNAKAN SMOTE DAN NAÏVE BAYES

Siti Fauziah, Dedi Dwi Saputra, Risca Lusiana Pratiwi, Mochammad Rizky Kusumayudha

Sari

Twitter merupakan salah satu media sosial yang populer di Indonesia. Tidak hanya masyarakat biasa yang menggunakan media sosial ini, banyak juga perusahaan yang memanfaatkan Twitter sebagai sarana promosi dan pendekatan kepada para pelanggannya. Termasuk Tri Indonesia yang mempunyai official akun di Twitter, salah satunya adalah @3CareIndonesia. Para pengguna Tri Indonesia memanfaatkan akun official ini sebagai sarana berbagi opini tentang pengalaman menggunakan provider ini dalam bentuk komentar di Twitter @3CareIndonesia. Penelitian ini dilakukan untuk mengukur seberapa akurat algoritma SMOTE dan Naïve Bayes dalam mengetahui sentimen pada komentar para pelanggan Tri Indonesia lalu mengkategorikannya kedalam komplain dan bukan komplain dengan megunakan algoritma Naïve Bayes. Proses pengambilan data menggunakan metode crawling data menggunakan aplikasi Rapidminer. Kemudian dari data yang didapat dilakukan preprocessing tingkat 1 menggunakan Gataframework dan preprocessing tingkat 2 menggunakan Rapidminer. Hasil dari penelitian ini menunjukan bahwa kombinasi dari SMOTE dan Naïve Bayes dapat menghasilkan pemodelan yang cukup baik dengan nilai accuracy sebesar 81.85%, precision sebesar 80.44%, recall sebesar 83.10% dan AUC sebesar 0.817.

Kata Kunci: Rapidminer, Naïve Bayes, Gataframework, Twitter, Sentiment Analysis

Teks Lengkap:

PDF (INDONESIA)

Referensi

F. F. Mailoa, “Analisis sentimen data twitter menggunakan metode text mining tentang masalah obesitas di indonesia,” J. Inf. Syst. Public Heal., vol. 6, no. 1, p. 44, 2021, doi: 10.22146/jisph.44455.

DataReportal, “Digital 2023: Indonesia,” 2023. https://datareportal.com/reports/digital-2023-indonesia?rq=Digital 2023%3A Indonesia

Kurnia, I. Purnamasari, and D. D. Saputra, “Analisis Sentimen Dengan Metode Naïve Bayes, SMOTE Dan Adaboost Pada Twitter Bank BTN,” J. JTIK (Jurnal Teknol. Inf. dan Komunikasi), vol. 7, no. 2, pp. 235–242, 2023, doi: 10.35870/jtik.v7i3.707.

F. Syah, H. Fajrin, A. N. Afif, M. R. Saeputra, D. Mirranty, and D. D. Saputra, “Analisa Sentimen Terhadap Twitter IndihomeCare Menggunakan Perbandingan Algoritma Smote, Support Vector Machine, AdaBoost dan Particle Swarm Optimization,” J. JTIK (Jurnal Teknol. Inf. dan Komunikasi), vol. 7, no. 1, pp. 53–58, 2023, doi: 10.35870/jtik.v7i1.686.

P. Mehta and S. Pandya, “A review on sentiment analysis methodologies, practices and applications,” Int. J. Sci. Technol. Res., vol. 9, no. 2, pp. 601–609, 2020.

R. R. A. Siregar, Z. U. Siregar, and R. Arianto, “Klasifikasi Sentiment Analysis Pada Komentar Peserta Diklat Menggunakan Metode K-Nearest Neighbor,” Kilat, vol. 8, no. 1, pp. 81–92, 2019, doi: 10.33322/kilat.v8i1.421.

A. Alsaeedi and M. Z. Khan, “A study on sentiment analysis techniques of Twitter data,” Int. J. Adv. Comput. Sci. Appl., vol. 10, no. 2, pp. 361–374, 2019, doi: 10.14569/ijacsa.2019.0100248.

T. T. Widowati and M. Sadikin, “Analisis Sentimen Twitter terhadap Tokoh Publik dengan Algoritma Naive Bayes dan Support Vector Machine,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 11, no. 2, pp. 626–636, 2021, doi: 10.24176/simet.v11i2.4568.

D. D. Saputra et al., “Optimization Sentiments of Analysis from Tweets in myXLCare using Naïve Bayes Algorithm and Synthetic Minority over Sampling Technique Method,” J. Phys. Conf. Ser., vol. 1471, no. 1, 2020, doi: 10.1088/1742-6596/1471/1/012014.

B. Kurniawan, A. Suwarisman, I. Afriyanti, A. Wahyudi, and D. D. Saputra, “Analisis Sentimen Complain dan Bukan Complain pada Twitter Telkomsel dengan SMOTE dan Naïve Bayes,” J. JTIK (Jurnal Teknol. Inf. dan Komunikasi), vol. 7, no. 1, pp. 106–113, 2023, doi: 10.35870/jtik.v7i1.691.

I. J. T. Gurning, P. P. Adikara, and R. S. Perdana, “Analisis Sentimen Dokumen Twitter menggunakan Metode Naïve Bayes dengan Seleksi Fitur GU Metric,” … Teknol. Inf. dan Ilmu …, vol. 7, no. 5, 2023, [Online]. Available: https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/12665%0Ahttps://j-ptiik.ub.ac.id/index.php/j-ptiik/article/download/12665/5759

S. Febriani and H. Sulistiani, “Analisis Data Hasil Diagnosa Untuk Klasifikasi Gangguan Kepribadian Menggunakan Algoritma C4.5,” 89Jurnal Teknol. dan Sist. Inf., vol. 2, no. 4, pp. 89–95, 2021.

A. Hardoni, D. P. Rini, and S. Sukemi, “Integrasi SMOTE pada Naive Bayes dan Logistic Regression Berbasis Particle Swarm Optimization untuk Prediksi Cacat Perangkat Lunak,” J. Media Inform. Budidarma, vol. 5, no. 1, p. 233, 2021, doi: 10.30865/mib.v5i1.2616.

K. Setiawan, R. Beni, Burhanuddin, A. Budi Paryanti, and F. Fauzi, “Komparasi Metode Naive Bayes Dan Support Vector Machine Menggunakan Particle Swarm Optimization Untuk Analisis Sentimen Mobil Esemka Jisamar ( Journal of Information System , Applied , Management , Accounting and Researh ) p-ISSN : 2598-8700 ( Printed ) J,” J. Inf. Syst. Applied, Manag. Account. Res., vol. 4, no. 3, pp. 102–111, 2020, [Online]. Available: http://journal.stmikjayakarta.ac.id/index.php/jisamarTelp.+62-21-3905050

R. Fahlapi et al., “Analisa Sentimen Vaksinasi Covid-19 Dengan Metode Support Vector Machine Dan Naïve Bayes Berbasis Teknik Smote,” J. Inform. Kaputama, vol. 6, no. 1, pp. 57–63, 2022, doi: 10.59697/jik.v6i1.136.

DOI: https://doi.org/10.36549/ijis.v8i2.289