Bilah Samping Artikel
Isi Artikel Utama
Abstrak
Penelitian ini bertujuan untuk mengetahui sentimen pengguna Indosat di media sosial twitter mengenai layanan yang telah diberikan selama pandemi covid-19 dan mendapatkan informasi mengenai keluhan yang sering muncul dan melakukan langkah – langkah yang harus dilakukan untuk mengatasi hal tersebut. Analisis sentimen merupakan studi komputasi yang mengungkapkan terjadinya opini public terhadap isu, kepuasan, perilaku, emosi seseorang terhadap suatu kejadian atau topik yang diperbincangkan oleh masyarakat, salah satu topik yang diperbincangkan ini mengenai pandemi covid-19 tahun 2020 adanya kebijakan pemerintah yang menyatakan bahwa yaitu belajar dan bekerja dari rumah yang telah terjadi peningkatan internet yang sangat pesat, meningkatnya penggunaan internet mengakibatkan banyaknya keluhan mengenai layanan dari Indosat yang merupakan perusahaan seluler dengan pengguna terbanyak di Indonesia, maka untuk dapat memperoleh informasi mengenai keluhan yang sering muncul metode yang digunakan adalah Naïve Bayes Classifier dan Asosiasi Teks. Naïve Bayes Classfier digunakan sebagai cara untuk menentukan kelompok kelas dokumen teks, kemudian dianalisis menggunakan asosiasi teks untuk mengetahui permasalahan yang dominan berdasarkan kemunculan kata negatif. Dari keluhan yang terjadi pada media sosial Twitter, diambil 1 keluhan yang paling sering muncul yaitu mengenai sinyal yang buruk, lemot dan terkadang hilang kemudian melakukan wawancara dengan pihak Indosat dan menggunakan metode Analysis Network Process untuk mengetahui penyebab dan akar masalah muncul nya keluhan tersebut sehingga diperoleh solusi dan langkah-langkah yang harus dilakukan untuk mengatasi penyebab dari munculnya keluhan mengenai keluhan tersebut.
Kata Kunci
Rincian Artikel
References
-
[1] F. Astiko and A. Khodar, “JOURNAL OF APPLIED COMPUTER SCIENCE AND TECHNOLOGY ( JACOST ) Membangun Model Machine Learning Untuk Meninjau Layanan Indosat Ooredoo Dari Twitter Menggunakan Naive Bayes Classifier,†vol. 1, no. 2, pp. 61–66, 2020.
[2] T. I. Saputra and R. Arianty, “Implementasi Algoritma K-Means Clustering Pada Analisis Sentimen Keluhan Pengguna Indosat,†J. Ilm. Inform. Komput., vol. 24, no. 3, pp. 191–198, 2019, doi: 10.35760/ik.2019.v24i3.2361.
[3] F. N. Zuhri and A. Alamsyah, “Menggunakan Naïve Bayes Classifier Di Forum Kaskus Publik Sentiment Analysis Of Smartfren Brand Using Naïve Bayes Classfier On Kaskus Forum,†e- Proceeding Manag., vol. 4, no. 1, pp. 242–251, 2017.
[4] I. Di Estika, I. Darmawan, and O. N. Pratiwi, “Analisis Sentimen Ulasan Pengguna Untuk Peningkatan Layanan Menggunakan Algoritma Naïve Bayes (Studi Kasus : Bukalapak),†e-Proceeding Eng., vol. 8, no. 2, pp. 2735–2745, 2021.
[5] A. Agrani and B. Rikumahu, “Perbandingan Analisis Sentimen Terhadap Digital Payment ‘Go-Pay’ Dan ‘Ovo’ Di Media Sosial Twitter Menggunakan Algoritma Naïve Bayes Dan Word Cloud Comparison of Sentiment Analysis Against Digital Payment ‘Go-Pay’ and ‘Ovo’ in Social Media Twitter Using N,†Agustus, vol. 7, no. 2, p. 2534, 2020.
[6] N. Haqqizar and T. N. Larasyanti, “Analisis Sentimen Terhadap Layanan Provider Telekomunikasi Telkomsel Di Twitter Dengan Metode Naïve Bayes,†Pros. TAU SNAR-TEK 2019 Semin. Nas. Rekayasa dan Teknol., vol. 10, no. 2, pp. 1–15, 2019.
[7] R. Julianto, E. D. Bintari, and Indrianti, “Analisis Sentimen Layanan Provider Telepon Seluler pada Twitter menggunakan Metode Naïve Bayesian Classification,†J. Big Data Anal. Artif. Intell., vol. 3, no. 1, 2017.
[8] M. L. Alfriyanto, “ANALISIS SENTIMEN TERHADAP OPERATOR SELULER DI MEDIA SOSIAL TWITTER MENGGUNAKAN METODE KLASIFIKASI NAÃVE BAYES DAN METODE TOPSIS.†Universitas Muhammadiyah Gresik, 2020.
[9] S. Fransiska and A. Irham Gufroni, “Sentiment Analysis Provider by.U on Google Play Store Reviews with TF-IDF and Support Vector Machine (SVM) Method,†Sci. J. Informatics, vol. 7, no. 2, pp. 2407–7658, 2020, [Online]. Available: http://journal.unnes.ac.id/nju/index.php/sji
[10] W. A. Prabowo and C. Wiguna, “Sistem Informasi UMKM Bengkel Berbasis Web Menggunakan Metode SCRUM,†J. Media Inform. Budidarma, vol. 5, no. 1, p. 149, 2021, doi: 10.30865/mib.v5i1.2604.
[11] R. Tineges, A. Triayudi, and I. D. Sholihati, “Analisis Sentimen Terhadap Layanan Indihome Berdasarkan Twitter Dengan Metode Klasifikasi Support Vector Machine (SVM),†J. Media Inform. Budidarma, vol. 4, no. 3, p. 650, 2020, doi: 10.30865/mib.v4i3.2181.
[12] R. S. Perdana and M. A. Fauzi, “Analisis Sentimen Tingkat Kepuasan Pengguna Penyedia Layanan Telekomunikasi Seluler Indonesia Pada Twitter dengan Metode Support Vector Machine dan Lexicon Based Features Twitter event detection View project Human Detection and Tracking View project,†J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 1(12), no. October, pp. 1725–1732, 2017, [Online]. Available: https://www.researchgate.net/publication/320234928
References
[2] T. I. Saputra and R. Arianty, “Implementasi Algoritma K-Means Clustering Pada Analisis Sentimen Keluhan Pengguna Indosat,†J. Ilm. Inform. Komput., vol. 24, no. 3, pp. 191–198, 2019, doi: 10.35760/ik.2019.v24i3.2361.
[3] F. N. Zuhri and A. Alamsyah, “Menggunakan Naïve Bayes Classifier Di Forum Kaskus Publik Sentiment Analysis Of Smartfren Brand Using Naïve Bayes Classfier On Kaskus Forum,†e- Proceeding Manag., vol. 4, no. 1, pp. 242–251, 2017.
[4] I. Di Estika, I. Darmawan, and O. N. Pratiwi, “Analisis Sentimen Ulasan Pengguna Untuk Peningkatan Layanan Menggunakan Algoritma Naïve Bayes (Studi Kasus : Bukalapak),†e-Proceeding Eng., vol. 8, no. 2, pp. 2735–2745, 2021.
[5] A. Agrani and B. Rikumahu, “Perbandingan Analisis Sentimen Terhadap Digital Payment ‘Go-Pay’ Dan ‘Ovo’ Di Media Sosial Twitter Menggunakan Algoritma Naïve Bayes Dan Word Cloud Comparison of Sentiment Analysis Against Digital Payment ‘Go-Pay’ and ‘Ovo’ in Social Media Twitter Using N,†Agustus, vol. 7, no. 2, p. 2534, 2020.
[6] N. Haqqizar and T. N. Larasyanti, “Analisis Sentimen Terhadap Layanan Provider Telekomunikasi Telkomsel Di Twitter Dengan Metode Naïve Bayes,†Pros. TAU SNAR-TEK 2019 Semin. Nas. Rekayasa dan Teknol., vol. 10, no. 2, pp. 1–15, 2019.
[7] R. Julianto, E. D. Bintari, and Indrianti, “Analisis Sentimen Layanan Provider Telepon Seluler pada Twitter menggunakan Metode Naïve Bayesian Classification,†J. Big Data Anal. Artif. Intell., vol. 3, no. 1, 2017.
[8] M. L. Alfriyanto, “ANALISIS SENTIMEN TERHADAP OPERATOR SELULER DI MEDIA SOSIAL TWITTER MENGGUNAKAN METODE KLASIFIKASI NAÃVE BAYES DAN METODE TOPSIS.†Universitas Muhammadiyah Gresik, 2020.
[9] S. Fransiska and A. Irham Gufroni, “Sentiment Analysis Provider by.U on Google Play Store Reviews with TF-IDF and Support Vector Machine (SVM) Method,†Sci. J. Informatics, vol. 7, no. 2, pp. 2407–7658, 2020, [Online]. Available: http://journal.unnes.ac.id/nju/index.php/sji
[10] W. A. Prabowo and C. Wiguna, “Sistem Informasi UMKM Bengkel Berbasis Web Menggunakan Metode SCRUM,†J. Media Inform. Budidarma, vol. 5, no. 1, p. 149, 2021, doi: 10.30865/mib.v5i1.2604.
[11] R. Tineges, A. Triayudi, and I. D. Sholihati, “Analisis Sentimen Terhadap Layanan Indihome Berdasarkan Twitter Dengan Metode Klasifikasi Support Vector Machine (SVM),†J. Media Inform. Budidarma, vol. 4, no. 3, p. 650, 2020, doi: 10.30865/mib.v4i3.2181.
[12] R. S. Perdana and M. A. Fauzi, “Analisis Sentimen Tingkat Kepuasan Pengguna Penyedia Layanan Telekomunikasi Seluler Indonesia Pada Twitter dengan Metode Support Vector Machine dan Lexicon Based Features Twitter event detection View project Human Detection and Tracking View project,†J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 1(12), no. October, pp. 1725–1732, 2017, [Online]. Available: https://www.researchgate.net/publication/320234928