Analisis Sentimen Penggunaan Aplikasi Traveloka di Twitter Menggunakan Model Klasifikasi

Abstract

Traveloka adalah platform travel online yang menyediakan jasa pemesanan tiket transportasi, akomodasi, tiket masuk objek wisata, dan lainnya. Penelitian ini akan melakukan analisis sentimen menggunakan lima metode dan melakukan analisis perbandingan antar metode tesebut. Tujuannya untuk mengetahui cara melakukan analisis sentimen dan melakukan analisis perbandingan serta mendapatkan hasil yang paling baik untuk analisis sentimen Traveloka di Twitter. Penelitian ini menggunakan Twitter untuk memperoleh data dan hanya berfokus pada tweet mengenai Traveloka. Analisis sentimen juga memberikan manfaat bagi Traveloka dalam memantau dan menganalisis respon dan tanggapan dari pengguna terhadap produk dan layanan mereka dari ulasan dan feedback yang diunggah oleh pengguna di media sosial seperti Twitter, Traveloka dapat memperoleh wawasan yang berharga mengenai kekuatan dan kelemahan layanan mereka. Dataset terdiri dari 85,6% sentimen positif dan 14,4% sentimen negatif. Dalam analisis ini Library yang digunakan yaitu Scikitlearn. Lima metode klasifikasi yang diterapkan yaitu, Random Forest (RF), Support Vector Machine (SVM), Naive Bayes Classifier (NBC), K-Nearest Neighbor (KNN), dan XGBOOST. Langkah-langkah dalam penelitian ini adalah crawling data, preprocessing data, pembobotan data, klasifikasi, uji model, evaluasi model, analisis perbandingan, dan analisis hasil. Hasilnya menunjukkan bahwa SVM memiliki akurasi lebih baik berdasarkan evaluasi metrik dengan nilai sebesar 90%. Namun, melalui uji model menggunakan AUC, XGBOOST memperoleh nilai tertinggi sebesar 71%.