Analisis sentimen otomatis berdasarkan opini masyarakat terhadap produk TELKOMSEL berbahasa Indonesia. Opini masyarakat diambil dari sebuah situs microblogging twitter dengan melakukan crawling data opini dengan keyword produk-produk dari sebuah provider di Indonesia yaitu Telkomsel. Sistem akan melakukan pengklasifikasian tweet menjadi sebuah kategori yaitu positif, negatif atau netral. Sebelum data training dan data testing didapatkan dari pemisahan data hasil crawling menjadi 75% untuk training dan 25% untuk data testing. Metode yang digunakan untuk mengklasifikasikan adalah metode naïve bayes classifier. Hasil akhir atau output dari aplikasi ini berupa peta yang menunjukkan pada daerah mana user yang menyatakan opini positif, negatif atau netral. Dengan aplikasi ini sebuah perusahaan dapat menganalisa kepuasan pelanggan terhadap produk yang dimilikinya dan dapat mengetahui daerah mana saja user menyatakan kepuasan atau ketidakpuasan. Hasil ujicoba pada sistem klasifikasi teks dengan menggunakan data hasil crawling diperoleh akurasi sebesar 63% dan error rate sebesar 37%, hasil ini mungkin kurang memuaskan itu dikarenakan data teks yang ditulis oleh user pada twitter lebih banyak menggunakan kata yang mengandung singkatan.


Deskripsi Lain

Automated sentiment analysis is based on public opinion of the product TELKOMSEL Indonesian language. Public opinion is taken from a microblogging site twitter with crawling opinion data with keywords products from a provider in Indonesia, Telkomsel. The system will classify tweets into a category that is positive, negative or neutral. Before the training data and testing data is obtained from the separation of data from crawling into 75% for training and 25% for data testing. The method is a method used to classify naïve Bayes classifier. The end result or the output of this application is a map that shows the area where the user is expressed positive opinions, negative or neutral. With this application a company can analyze customer satisfaction with its products and can determine which areas users express satisfaction or dissatisfaction. Test results on text classification system using data obtained accuracy results of crawling by 63% and the error rate by 37%, these results may be less satisfactory because the data is text written by the user on twitter more often used words that contain abbreviations.

• Sistem Analisis Sentimen Produk Telkomsel dari Opini Twitter Berbahsa Indonesia Menggunakan Metode Naive Bayes Classifier
• ANALISIS SENTIMEN UNTUK MENGETAHUI RESPON PUBLIK MENGENAI KEBIJAKAN PEMERINTAH PADA TWITTER MENGGUNAKAN METODE NAIVE BAYES (STUDI KASUS: Rancangan Hukuman Kebiri Bagi Pedofil)
• Analisis Sentimen dari Media Sosial Menggunakan Metode Information Gain dan Naive Bayes
• KLASIFIKASI BERITA OLAHRAGA BERBAHASA INDONESIA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE
• Analisis Sentimen Pada Media Sosial Twitter Terhadap Kebijakan Pemindahan Ibukota Negara Berbasis Model Probabilitas