Analisis sentimen pengguna Twitter terhadap layanan Iconnet menggunakan metode naive bayes classifier

Sari, Pangesti Indah Puspita (2022) Analisis sentimen pengguna Twitter terhadap layanan Iconnet menggunakan metode naive bayes classifier. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 10611810000021-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (1MB)

Abstract

PLN melalui anak perusahaannya, yaitu PT Indonesia Comnets Plus (ICON+), mengeluarkan produk baru layanan _fixed broadband internet_ yang bernama Iconnet pada akhir bulan Mei 2021. Selama lebih dari setengah tahun Iconnet hadir, mereka sudah melayani lebih dari 120.000 pelanggan. Namun, angka ini tentu masih terbilang jauh dari kompetitor lain yang sudah lebih dahulu hadir dan memiliki banyak pelanggan. Untuk dapat bersaing dan menarik lebih banyak pelanggan, ICON\+ perlu mengetahui seperti apa pendapat pelanggan terhadap layanan Iconnet yang telah diberikan. Dengan demikian, ICON\+ dapat melakukan monitoring untuk mengetahui _feedback_ atau respons dari pelanggan dan masyarakat luas mengenai layanan Iconnet yang telah diberikan, apakah cenderung bersifat positif atau negatif. Hasil monitoring nantinya dapat dijadikan sebagai bahan evaluasi untuk meningkatkan kualitas layanan Iconnet serta menarik lebih banyak pelanggan. Oleh karena itu, perlu adanya analisis mengenai opini masyarakat terkait layanan internet Iconnet. Penelitian ini bertujuan untuk mengetahui opini atau pendapat masyarakat mengenai layanan Iconnet melalui Twitter, salah satu media sosial yang populer di Indonesia dengan peringkat kelima. Twitter digunakan oleh pengguna untuk mengutarakan pendapat secara luas. Untuk mengetahui bagaimana pendapat pengguna Twitter, dilakukan analisis sentimen menggunakan metode _Naïve Bayes Classifier_. Pertama, data diambil dengan cara _web scraping_, kemudian dilakukan tahap praproses data untuk membuat data lebih mudah dianalisis. Data yang telah melalui tahap _pre-processing_ teks dibagi menjadi data _training_ dan data _testing_, masing-masing sebesar 80% dan 20%. Kemudian, dilakukan klasifikasi untuk mengetahui teks yang masuk ke dalam kategori negatif dan teks yang masuk ke dalam kategori positif. Hasil penelitian menunjukkan bahwa dari 1.924 data _tweets_, sebanyak 64% _tweets_ masuk ke dalam kelas sentimen positif dan 36% masuk ke dalam kelas sentimen negatif. Hasil ketepatan klasifikasi untuk data _testing_ diperoleh akurasi sebesar 60,57%, _sensitivity_ sebesar 43,02%, dan _specificity_ sebesar 91,92%. Pada data _training_, diperoleh hasil ketepatan klasifikasi dengan akurasi sebesar 65,63%, _sensitivity_ sebesar 54,46%, dan _specificity_ sebesar 85,14%.
==============================================================================================================================
PLN, through its subsidiary, PT Indonesia Comnets Plus (ICON+), released a new fixed broadband internet service called Iconnet at the end of May 2021. After more than half a year of operation, Iconnet had served more than 120,000 customers. However, this figure was still relatively low compared to other competitors that had been operating longer and had a larger customer base. To compete and attract more customers, ICON+ needs to understand customers’ opinions regarding the Iconnet services provided. Therefore, ICON\+ can conduct monitoring to identify feedback or responses from customers and the wider community regarding whether their perceptions of Iconnet services tend to be positive or negative. The monitoring results can then be used as an evaluation to improve the quality of Iconnet services and attract more customers. Therefore, an analysis of public opinion regarding Iconnet internet services is needed. This study aims to determine public opinions regarding Iconnet services through Twitter, one of the most popular social media platforms in Indonesia, ranking fifth in popularity. Twitter is widely used by users to express their opinions. To determine the opinions of Twitter users, sentiment analysis was conducted using the Naïve Bayes Classifier method. First, the data were collected through web scraping, followed by a data preprocessing stage to make the data easier to analyze. The data that had undergone text preprocessing were divided into training data and testing data at 80% and 20%, respectively. The classification process was then performed to determine which texts belonged to the negative and positive categories. The results showed that, from 1,924 tweets, 64% belonged to the positive sentiment class and 36% belonged to the negative sentiment class. The classification results for the testing data showed an accuracy of 60.57%, sensitivity of 43.02%, and specificity of 91.92%. For the training data, the classification results showed an accuracy of 65.63%, sensitivity of 54.46%, and specificity of 85.14%.

Item Type:	Thesis (Other)
Additional Information:	519.53 Sar a-1
Uncontrolled Keywords:	Analisis Sentimen, Iconnet, Naïve Bayes Classifiier, Twitter,Sentiment Analysis, Iconnet, Naïve Bayes Classifier, Twitter
Subjects:	Q Science > QA Mathematics > QA278.55 Cluster analysis
Divisions:	Faculty of Vocational > 49501-Business Statistics
Depositing User:	magang .
Date Deposited:	05 Oct 2026 06:43
Last Modified:	05 Oct 2026 06:43
URI:	http://repository.its.ac.id/id/eprint/145261

Actions (login required)

View Item