IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING PADA ANALISIS SENTIMEN KELUHAN PENGGUNA INDOSAT
Abstract
Penyampaian keluhan konsumen lewat akun media sosial seperti Twitter dimaksudkan agar masalah yang dihadapi konsumen dapat diselesaikan dengan cepat. Pada penelitian ini, akan dilakukan analisis sentimen terhadap konsumen pengguna provider Indosat, menggunakan data tweet sejumlah 300 data acak yang di kumpulkan dari bulan desember 2018 hingga bulan april 2019. Data yang dianalisis adalah kalimat berbahasa Indonesia. Preprocessing pada penelitian ini terdiri dari beberapa tahapan proses antara lain tokenizing, filtering, stop word, dan stemming. Analisis dilakukan menggunakan metode K-Means Clustering. Penelitian ini berhasil menampilkan kelompok dari anggota masing-masing cluster yang berbentuk wordcloud ke dalam 3 buah wordcloud berbeda, pada wordcloud cluster 0 anggotanya berbicara tentang jaringan Indosat yang parah, pada wordcloud cluster 1 anggotanya berbicara tentang permintaan perbaikan jaringan sinyal Indosat, dan pada wordcloud cluster 2 anggotanya berbicara tentang jaringan sinyal parah Indosat pada daerah Bogor. Hasil penelitian ini diharapkan dapat menjadi masukan untuk provider dalam melihat keluhan yang masuk dari para konsumen mereka sehingga pihak provider dapat meningkatkan pelayanannya.
References
B. Pang dan L. Lee, “Opinion Mining and Sentiment Analysisâ€, Foundations and Trends in Information Retrieval, vol. 2, no. 1-2, hal. 1–135, 2008.
A. Chaudhuri dan J. Chant, “Protein-interaction mapping in search of effective drug targetâ€, BioEssays 27(9): 958—969, 2005
B. Liu, Sentiment Analysis and Opinion Mining. Morgan & Claypool Publisher, 2012
C. D. Manning, P. Raghavan, dan H. Schutze, An introduction to information retrieval. Cambridge: Cambridge University Press, 2008.
Y. Y. Luhulima, “Sentimen Analysis Pada Review Barang Berbahasa Indonesia dengan Metode K-Nearest Neighborâ€, Skripsi Sarjana, Universitas Brawijaya, Malang, Indonesia, 2013.
B. Nugroho, Membuat Website Sendiri Dengan PHP & MySql. Jakarta: MediaKita, 2009.
O. Somantri, S. Wiyono dan Dairoh, “Metode K-Means untuk optimasi klasifikasi tema tugas akhir mahasiswa menggunakan Support Vector Machine (SVM)â€, Scientific Journal of Informatics, vol. 3, no. 1, 2016.
S. Budi, “Text mining untuk analisis sentimen review film menggunakan algoritma K-Meansâ€, TehcnoCOM, vol. 16, no. 1, 2017
N. D. Mentari, M. A. Fauzi, dan L. Muflikhah, L, “Analisis sentimen kurikulum 2013 pada sosial media Twitter menggunakan metode K-Nearest Neighbor dan Feature Selection Query Expansion Rankingâ€, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer (J-PTIIK), vol. 2, no. 8, hal. 2739–2743, 2018.
A. Salam, J. Zeniarja, dan R. S. U. Khasanah, “Analisis sentimen data komentar sosial media Facebook dengan K-Nearest Neighbor (Studi kasus pada akun jasa barang J&T Ekspress Indonesiaâ€, dalam Prosiding SINTAK, 2018, hal.480–486.
