TEXT MINING DALAM ANALISIS SENTIMEN PENGGUNA TRANSPORTASI ONLINE PADA SOSIAL MEDIA TWITTER MENGGUNAKAN METODE MULTINOMIAL NAIVE BAYESIAN CLASSIFIER DAN METODE K-NEAREST NEIGHBOOR

Abstract

Text mining merupakan proses mendeteksi informasi atau sesuatu yang baru dan meneliti informasi besar. Text mining juga biasanya dapat melakukan suatu analisis terhadap teks yang tidak terstruktur. Pengguna sosial media di Indonesia yang saat ini hampir mencapai 200 juta pengguna mengakibatkan banjir data. Kondisi ini menjadikan text mining dapat menjadi solusi untuk menggali pengetahuan dari banjiran data tersebut. Dalam menggali pengetahuan ada berbagai teknik atau metode yang dapat di adopsi diantaranya adalah metode Multinomial Naive Bayesian Classifier dan K-Nearest Neighboor. Kedua metode ini memiliki beberapa fase yang mampu menggali potensi pengetahuan dari sebuah banjiran data yang bersifat supervised dan unsupervised learning. Diharapkan dengan kombinasi kedua metode ini akan membantu menganilisis sentimen atau persepsi masyarakat terhadap pengguna ojek online di Indonesia. Hasil yang diharapkan dalam penelitian ini adalah kumpulan pengetahuan yang di dapat dari data sentimen pengguna ojek online melalui sosial media twitter. Sehingga diharapkan dari pengetahuan tersebut platform penyelenggara layanan ojek online dapat mengetahui sejauh mana sentimen positif bahkan negatif masyarakat dalam upaya peningkatan kualitas layanan perusahaan. Dengan menggunakan metode Multinomial naive Bayesian Classifier dan K-Nearest Neighboor dapat diketahui tingkat akurasi menggunakan metode K-Nearest Neighboor lebih akurat dibandingkan dengan menggunakan metode Multinomial Naive Bayesian Classifier.