Analisis Sentimen Pengguna Twitter Terhadap Layanan Internet PT. Supra Primatama Nusantara Menggunakan Metode Naive Bayes Classifier

Latar Belakang: Biznet tercatat sebagai penyedia internet fixed broadband tercepat di sejumlah kota besar di Indonesia. Meskipun demikian, masih terdapat keluhan dari pengguna yang disampaikan pada media sosial Twitter. Berdasarkan data yang diperoleh dari media sosial Twitter, penelitian dilakuan untuk memperoleh informasi yang sesungguhnya mengenai tanggapan pengguna Twitter terhadap layanan internet yang diberikan.
Tujuan: Penelitian ini bertujuan untuk membangun model analisis sentimen menggunakan metode Naive Bayes Classifier sehingga dapat diaplikasikan dalam analisis sentimen tentang Biznet untuk mengetahui tanggapan pengguna mengenai layanan internet berdasarkan data pada media sosial Twitter.
Metode Penelitian: Penelitian ini diawali dengan pengumpulan data tweet menggunakan tools tweet-harvest dengan kata kunci "Biznet" dan "Internet Biznet” pada media sosial Twitter. Data tweet diambil dari periode 1 Januari 2024 hingga 26 Juni 2024. Metode Naive Bayes Classifier digunakan dalam penelitian ini untuk melakukan analisis sentimen dengan label positif, negatif dan netral berdasarkan data yang diperoleh dari media sosial Twitter tentang Biznet.
Hasil: Model yang dibangun menunjukkan accuracy sebesar 84,03% pada data testing. Klasifikasi dari keseluruhan data dengan jumlah 5.545 data tweet berdasarkan model yang sudah dibangun berhasil mengklasifikasikan 2.483 data tweet sebagai sentimen negatif, 1.604 sebagai positif, dan 1.458 sebagai netral.
Kesimpulan: Penelitian analisis sentimen terhadap layanan internet Biznet dengan metode Naive Bayes Classifier dan menggunakan data yang diperoleh dari Twitter. Data dikumpulkan dari 1 Januari hingga 26 Juni 2024, menghasilkan 5.545 tweet dalam format CSV. Setelah melalui proses preprocessing dan pelabelan manual, didapatkan 720 data berlabel, yang dibagi menjadi 576 data training dan 144 data
testing. Model yang dibangun mencapai nilai akurasi 84,03%, precision 84,16%, recall 84,03%, dan f1-score 83,77%. Model ini kemudian digunakan untuk mengklasifikasikan keseluruhan 5.545 tweet, dengan hasil klasifikasi 2.483 tweet sebagai sentimen negatif, 1.604 sebagai sentimen positif, dan 1.458 sebagai sentimen netral.