Analisis Sentimen Terhadap Kualitas Layanan Transportasi Online pada Informasi Twitter Dengan Metode Naive Bayes Classifier dan Feature Selection Information Gain

Transportasi merupakan hal yang penting untuk menunjang aktivitas dan kehidupan manusia. Transportasi online saat ini menjadi pilihan terbaik karena menawarkan mobilitas yang tinggi dan cukup efisien dalam hal waktu. Twitter merupakan salah satu situs media sosial yang cukup populer di Indonesia dalam menyampaikan suatu keluh kesah didalam dunia maya. berdasarkan penelitian Semiocast, jumlah pemilik akun Twitter di Indonesia menempati urutan kelima terbesar di dunia dan berada pada posisi ketiga negara yang paling aktif memposting pada Twitter. Karena ketenaran dan kemudahan Twitter dalam menyampaikan opini, maka tidak heran banyak orang yang memberikan pendapatnya tentang berbagai hal termasuk pendapat pengguna terhadap jasa pelayanan transportasi online dan kemudian data opini ini dapat dimanfaatkan untuk bahan evaluasi terhadap jasa transportasi online. Pada penelitian ini akan dilakukan analisis sentimen terhadap kategori positif dan negatif untuk melakukan penilaian kualitas layanan transportasi publik. Permasalahan yang sering muncul pada analisis sentiment adalah terlalu banyaknya fitur dalam sebuah dataset yang dapat menyebabkan turunnya akurasi klasifikasi, sehingga untuk mengatasi hal tersebut digunakan feature selection Information Gain yang digunakan untuk memilih fitur yang dirasa cukup informatif dan efisien. Berdasarkan pengujian yang telah dilakukan, performa klasifikasi menggunakan Information Gain dan Naive Bayes mendapat F1-score 52.0% dan akurasi aktual 81.8% lebih bagus dibandingkan dengan tanpa Information Gain