Meningkatnya kebutuhan jaringan internet dalam mendukung mobilitas manusia membuat banyak bermunculan jasa penyedia layanan internet (Internet Service Provider),rnsalah satunya adalah Indihome. Namun dalam pelaksanaannya, banyak sekali keluhanrnmengenai jaringan yang dirasakan oleh para pelanggan. Hal tersebut membuat banyak reaksirnyang timbul dari pelanggan yang dituangkan dalam media sosial twitter. Reaksi tersebutrndiantaranya sentimen negatif berupa keluhan dan sentimen positif berupa kepuasan. Untukrnmengetahui tulisan dalam twitter tersebut termasuk suatu sentimen positif atau negatif, dapatrndigunakan sebuah penelitian yakni analisis sentimen. Penelitian ini menggunakan NaïvernBayes classifier untuk mengklasifikasikan kategori sentimen serta memanfaatkan metoderndegree centrality untuk seleksi fiturnya. Namun sebelum di olah, tweet tersebut harusrndivalidasi oleh ahli bahasa dalam menentukan kelas sentimen. Data yang digunakanrnmerupakan tweet yang diambil dengan teknik crawling data sebanyak 1.250 tweet untukrndiproses melalui beberapa tahapan seperti preprocessing data, pembobotan TF-IDF, seleksirnfitur, dan klasifikasi. Hasil evaluasi dari model klasifikasi Naïve bayes classifierrnmenghasilkan nilai accuracy, precison, dan recall terbesar mencapai 85%, 92%, dan 87%.rnHal ini menunjukkan bahwa algoritma Naïve bayes classifier cukup baik dalam modelrnpengklasifikasian data teks.


Deskripsi Lain

The increasing need for internet networks to support human mobility has led to the emergence of many internet service providers, one of which is Indihome. But in practice,rnthere are lots of complaints about the network that are felt by customers. This caused a lotrnof reactions from customers which were poured on Twitter social media. These reactionsrnincluded negative sentiments in the form of complaints and positive sentiments in the formrnof satisfaction. To find out which posts on Twitter include a positive negative sentiment,rna study can be used, namely sentiment analysis. This study uses the Naïve Bayes classifierrnto classify sentiment categories and utilizes the degree centrality method for featurernselection. But before being processed, the tweet must be validated by a linguist inrndetermining the sentiment class. The data used are tweets taken by crawling data techniquernas many 1,250 tweets to be processed through several stages such data preprocessing,rnTF-IDF weighting, feature selection, and classification. The evaluation results of the NaïvernBayes classifier classification model yielded the highest accuracy, precision, and recallrnvalues reaching 85%, 92%, and 87%. This shows that the Naïve Bayes classifier algorithmrnis quite good at classifying text data models.

• Analisis Sentimen Pengguna Media Sosial Twitter Terhadap Layanan Jaringan Internet Indihome Menggunakan Centrality Dan Naïve Bayes Classifier