Komparasi Metode Text Mining Terhadap Masalah Pengklasifikasian Narasi Informative & Non Informative Pada twitter @PLN_123

Authors

  • Lina Hermawati Program Studi Sistem Informasi, Universitas Nusa Mandiri
  • Vincentius Berland Program Studi Sistem Informasi, Universitas Nusa Mandiri
  • Anissa Rahmadiah Program Studi Sistem Informasi, Universitas Nusa Mandiri
  • Exaudi Hutabarat Program Studi Sistem Informasi, Universitas Nusa Mandiri
  • Dedi Dwi Saputra Program Studi Sains Data, Universitas Nusa Mandiri

DOI:

https://doi.org/10.37034/jsisfotek.v5i1.191

Keywords:

Sentimen Analisis, PLN, Twitter, Naive Bayes, Adaboost

Abstract

PLN sebagai Badan Usaha Milik Negara yang bergerak dibidang penyedia tenaga listrik memiliki tujuan untuk melayani kepentingan umum dan menjaga mutu serta kualitas dari daya dan energi itu sendiri. Melalui akun resmi twitternya, PT.PLN menggunakan informasi yang ada untuk bisa mengumpulkan segala keluhan,kritikan maupun dukungan guna memberikan pelayanan terbaik kepada masyarakat. Berdasarakan penelitian yang telah dilakukan, data hasil hasil crawling dari media sosial twitter dengan query @PLN_123 dengan algoritma Naïve Bayes telah berhasil dilakukan. Algoritma Naïve Bayes& Adaboost yang dioptimasi dengan fitur Synthetic Minority Over-Sampling Technique (SMOTE) adalah komparasi yang terbaik dengan nilai accuracy: 90,68%, precision: 84,85%, recall: 99,30% dan AUC: 0,910. Hasilnya kemudian diimplementasikan dalam aplikasi berbasi web yang dibangun menggunakan bahasa pemrograman HeidiSQL.

 

References

M. S. Alrajak, I. Ernawati, and I. Nurlaili, “Analisis Sentimen Terhadap Pelayanan PT PLN di Jakarta pada Twitter dengan Algoritma K- Nearest Neighbor (K-NN),” Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA), vol. 1, no. 2, pp. 110–122, 2020.

H. Tuhuteru and A. Iriani, “Analisis Sentimen Perusahaan Listrik Negara Cabang Ambon Menggunakan Metode Support Vector Machine dan Naive Bayes Classifier,” Jurnal Informatika: Jurnal Pengembangan IT, vol. 3, no. 3, pp. 394–401, 2018, doi: 10.30591/jpit.v3i3.977.

T. Prasetyo, H. Zakaria, and P. Wiliantoro, “Analisis Layanan Pelanggan PT PLN Berdasarkan Media Sosial Twitter Dengan Menggunakan Metode Naïve Bayes Classifier,” OKTAL : Jurnal Ilmu Komputer dan Sains, vol. 1, no. 6, pp. 573–582, 2022, [Online]. Available: https://journal.mediapublikasi.id/index.php/oktal

H. B. Tambunan and T. W. D. Hapsari, “Analisis Opini Pengguna Aplikasi New PLN Mobile Menggunakan Text Mining,” Petir, vol. 15, no. 1, pp. 121–134, 2021, doi: 10.33322/petir.v15i1.1352.

T. Prasetyo, H. Zakaria, and P. Wiliantoro, “Analisis Layanan Pelanggan PT PLN Berdasarkan Media Sosial Twitter Dengan Menggunakan Metode Naïve Bayes Classifier,” OKTAL : Jurnal Ilmu Komputer dan Sains, vol. 1, no. 6, pp. 573–582, 2022, [Online]. Available: https://journal.mediapublikasi.id/index.php/oktal

B. Gunawan, H. S. Pratiwi, and E. E. Pratama, “Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes,” Jurnal Edukasi dan Penelitian Informatika (JEPIN), vol. 4, no. 2, 2018, doi: 10.26418/jp.v4i2.27526.

F. Ratnawati, “Implementasi Algoritma Naive Bayes Terhadap Analisis Sentimen Opini Film Pada Twitter,” INOVTEK Polbeng - Seri Informatika, vol. 3, no. 1, 2018, doi: 10.35314/isi.v3i1.335.

H. F. Putro, R. T. Vulandari, and W. L. Y. Saptomo, “Penerapan Metode Naive Bayes Untuk Klasifikasi Pelanggan,” Jurnal Teknologi Informasi dan Komunikasi (TIKomSiN), vol. 8, no. 2, Oct. 2020, doi: 10.30646/tikomsin.v8i2.500.

E. Ogi, I. Pratiwi1, and W. Yustanti2, “Analisis Sentimen Kualitas Layanan Teknologi Pembayaran Elektronik pada Twitter (Studi Kasus Ovo dan Dana),” Jeisbi, vol. 02, no. 03, 2021.

A. Nugroho, “Analisis Sentimen Pada Media Sosial Twitter Menggunakan Naive Bayes Classifier Dengan Ekstrasi Fitur N-Gram,” 2018. [Online]. Available: http://tunasbangsa.ac.id/ejurnal/index.php/jsakti

Normah, B. Rifai, S. Vambudi, and R. Maulana, “Analisa Sentimen Perkembangan Vtuber Dengan Metode Support Vector Machine Berbasis Smote,” Jurnal Teknik Komputer AMIK BSI, vol. 8, no. 2, pp. 174–180, 2022, doi: 10.31294/jtk.v4i2.

S. Kurniawan, W. Gata, D. Puspitawati, Nurmalasari, M. Tabrani, and K. Novel, “Perbandingan Metode Klasifikasi Analisis Sentimen Tokoh Politik Pada Komentar Media Berita Online,” Jurnal Resti, vol. 3, no. 2, pp. 176–183, 2019, doi: https://doi.org/10.29207/resti.v3i2.935.

I. Santoso, W. Gata, and A. Budi Paryanti, “Penggunaan Feature Selection di Algoritma Support Vector Machine untuk Sentimen Analisis Komisi Pemilihan Umum,” Jurnal Resti, vol. 3, no. 3, pp. 364–370, 2019, doi: https://doi.org/10.29207/resti.v3i3.1084.

C. Cahyaningtyas, Y. Nataliani, and I. R. Widiasari, “Analisis sentimen pada rating aplikasi Shopee menggunakan metode Decision Tree berbasis SMOTE,” AITI: Jurnal Teknologi Informasi, vol. 18, no. Agustus, pp. 173–184, 2021, doi: https://doi.org/10.24246/aiti.v18i2.173-184.

R. Ariyanti, A. Saepudin, E. Fitriani, R. Permana, and D. Saefudin, “Komparasi Algoritma Naive Bayes Dengan Algoritma Genetika Pada Analisis Sentimen Pengguna Busway,” JURNAL TEKNIK KOMPUTER AMI BSI, vol. 5, no. 2, pp. 227–234, 2019, doi: https://doi.org/10.31294/jtk.v5i2.5406.

A. P. Giovani, A. Ardiansyah, T. Haryanti, L. Kurniawati, and W. Gata, “ANALISIS SENTIMEN APLIKASI RUANG GURU DI TWITTER MENGGUNAKAN ALGORITMA KLASIFIKASI,” Jurnal Teknoinfo, vol. 14, no. 2, p. 115, Jul. 2020, doi: 10.33365/jti.v14i2.679.

Downloads

Published

06-05-2023

How to Cite

Hermawati, L., Berland, V., Rahmadiah, A., Hutabarat, E., & Dwi Saputra, D. . (2023). Komparasi Metode Text Mining Terhadap Masalah Pengklasifikasian Narasi Informative & Non Informative Pada twitter @PLN_123. Jurnal Sistim Informasi Dan Teknologi, 5(1), 109–120. https://doi.org/10.37034/jsisfotek.v5i1.191

Issue

Section

Articles