Analisis Sentimen pada Layanan Gojek Indonesia Menggunakan Multinomial Naive Bayes

Abstract

Ojek online telah merambah dunia transportasi di Indonesia. Terobosan baru yang semakin diminati banyak orang ini, tidak hanya menyediakan transportasi angkutan penumpang namun juga melayani jasa kurir untuk pemesanan makanan, jasa pengiriman barang, dokumen, dan berbelanja. Banyaknya pelayanan yang diberikan perusahaan ojek online, semakin banyak pula opini yang dilontarkan masyarakat melalui twitter, mengenai kualitas dari setiap jenis layanan yang diberikan oleh perusahaan ojek online. Opini yang memiliki sentimen tersebut akan dianalisis sehingga dapat diketahui layanan mana yang mendapatkan sentimen positif, negatif, dan netral. Oleh sebab itu, diperlukan sebuah pendekatan yang dapat menganalisis sentimen masyarakat terhadap kualitas dari setiap layanan ojek online. Pada penelitian ini metode yang digunakan yaitu term frequency (tf) dan multinomial naive bayes. Tahapan keseluruhan metode yang digunakan pada penelitian ini adalah preprocessing (cleaning, case folding, tokenisasi, convert negation, stopword removal, stemming, dan normalisasi), perhitungan frekuensi kemunculan kata (tf), dan klasifikasi sentimen. Hasil dari penelitian ini adalah mengklasifikasikan tweet ke dalam sentimen positif, negatif, netral dan mengetahui kualitas dari setiap jenis layanan ojek online yang diambil dari sentimen positif-nya. Dengan menggunakan algoritma dan metode ini, akurasi F-score yang didapat adalah 92%. Pendekatan ini diharapkan akan sangat membantu pihak perusahaan ojek online untuk memperbaiki kualitas dari setiap jenis layanan yang ada.

Online ojek (a motorcycle public transport) are becoming popular nowadays in Indonesia. This new innovation in demand, not only serves as a public transportation but also serves order to deliver food, goods, documents and groceries. As the growing number of costumers this service have, many comments are being made by the public mainly in twitter (a social media). Generally, the comments are focused on giving testimonies about the quality of service ojek provide. However, in order to filter the sentiment comments give, an approach is needed by analyzing it. This research term frequency and multinomial naïve bayes method are implemented to try to solve this problem. Overall, the stages taken to fully implement the methods are preprocessing (cleaning, case folding, tokenization, covert negation, stopword removal, stemming, and normalization), words frequency count (tf), and sentiment classification. Eventually, comments will be classified into three sentiment categories namely: positive, negative and neutral. In addition, it will display the quality of every service which ojek provides based on the positive sentiments. The F-score accuracy generated when implementing the algorithm and method 92%. Hopefully, this approach will help online ojek company improve their quality of service.