Klasifikasi Tweet terhadap Layanan Customer Care XL Axiata dengan Metode Naïve Bayes dan Random Forest

Saguna, Gede Narendra (2019) Klasifikasi Tweet terhadap Layanan Customer Care XL Axiata dengan Metode Naïve Bayes dan Random Forest. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06211540000126-Undergraduate_Thesis.pdf - Accepted Version Download (2MB)

Abstract

Customer service merupakan layanan yang wajib dimiliki oleh setiap usaha. Layanan ini diharapkan cepat dan tepat dalam mengatasi permasalahan konsumen. Salah satu media yang dapat digunakan adalah Twitter. Dalam dunia telekomunikasi, perusahaan yang menerapkan hal ini adalah XL Axiata melalui akun @myXLCare. Pada akun tersebut pengguna XL dapat menyampaikan permasalah terkait produk XL yang digunakan. Tanpa adanya batasan waktu dan tempat membuat jumlah aduan dan pertanyaan yang disampaikan menjadi sangat banyak. Hal ini membutuhkan sesuatu yang cepat untuk mengetahui kategori dari aduan atau pertanyaan tersebut. Klasifikasi tweet merupakan metode yang dapat dilakukan untuk mengetahui kategori aduan secara cepat dari sebuah tweet. Metode yang digunakan dalam klasifikasi antara lain adalah Naïve Bayes dan Random Forest. Pada data tweet terdapat kasus imbalance yaitu ketidakseimbangan jumlah tweet antar kategori sehingga dibutuhkan metode untuk menangani hal ini. Synthetic Minority Oversampling Technique digunakan untuk mengatasi kasus imbalance pada data. Model Random Forest memiliki performa klasifikasi yang lebih baik dari pada Naïve Bayes. Penerapan SMOTE mampu meningkatkan performa klasifikasi Naïve Bayes dengan cukup tinggi. Random forest mampu menangani kasus imbalance dengan baik meskipun tanpa SMOTE.
================================================================================================================================
Customer service is a service that must be owned by every business. This service is expected to be fast and appropriate in overcoming consumer problems. One of the media that can be used is Twitter. Example of companies that implement this is XL Axiata through the @myXLCare account. Through this account, XL users can submit problems related to XL products used. Without the limitation of time and place, the number of complaints and questions submitted becomes very large. This requires something fast to find out the categories related to the complaint or question. Tweets classification is a method that can find out the category of the complaint quickly. The methods used in the classification are Naïve Bayes and Random Forest. In the tweet data, there are cases of imbalance in the number of tweets between categories so that a method is needed to handle this. Synthetic Minority Oversampling Technique is used to handle an imbalance case in data. The Random Forest model has a better classification performance than Naïve Bayes. The application of SMOTE can improve Naïve Bayes classification performance quite high. The Random Forest is able to handle imbalance data well even without SMOTE.

Item Type:	Thesis (Other)
Additional Information:	RSSt 519.53 Sag k-1 2019
Uncontrolled Keywords:	Naïve Bayes, Random Forest, SMOTE, Text Mining, Twitter
Subjects:	H Social Sciences > HD Industries. Land use. Labor > HD108 Classification (Theory. Method. Relation to other subjects ) Q Science > QA Mathematics > QA278.55 Cluster analysis Q Science > QA Mathematics > QA76.9.D343 Data mining. Querying (Computer science)
Divisions:	Faculty of Mathematics, Computation, and Data Science > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	Gede Narendra Saguna
Date Deposited:	24 May 2023 04:54
Last Modified:	24 May 2023 04:54
URI:	http://repository.its.ac.id/id/eprint/64503

Actions (login required)

View Item