Analisis Sentimen Nasabah Bank X Menggunakan Pengklasifikasian Naive Bayes

Maraknya penggunaan jejaring sosial telah merambah ke seluruh aspek kehidupan masyarakat, termasuk diantaranya cara penyampaian saran dan keluhan. Bank X merupakan salah satu lembaga yang memanfaatkan kemudahan jejaring sosial Twitter guna mengetahui saran dan keluhan dari nasabahnya. Namun kemudahan teknologi yang ada menimbulkan masalah baru, yaitu bagaimana cara mengetahui feedback nasabah secara cepat. Permasalahan ini diselesaikan dengan analisis sentimen yang merupakan proses pengolahan data tekstual secara otomatis untuk mendapatkan suatu informasi sentimen yang terkandung dalam suatu kalimat opini. Informasi sentimen sendiri didapatkan dengan cara mengklasifikasikan kalimat sentimen ke dalam kelas � kelas yang telah ditentukan sebelumnya menggunakan metode Pengklasifikasian Naive Bayes. Dengan Naive Bayes informasi sentimen dari sebuah kalimat dapat diketahui secara cepat karena sifat dari Naive Bayes sendiri yang sederhana dan independen sehingga tidak memperdulikan keberadaan fitur lainnya. Adapun proses yang dilakukan dalam penelitian ini adalah preprocessing terhadap data sentimen dan pengklasifikasian kalimat sentimen ke dalam kelas positif dan negatif. Hasil dari penelitian yang telah dilakukan melalui proses pengujian menggunakan cross validation adalah metode Naive Bayes sesuai untuk diterapkan dalam kasus pengklasifikasikan kalimat sentimen ke dalam kelas positif dan negatif. Metode Pengklasifikasian Naive Bayes memberikan nilai error sebesar 24,26% dari 540 data yang diuji.

Nowadays, social network has widely used in every aspect of society�s life, including the submission of suggestions and complaints. Bank X is one of the institutions that utilize the ease of social networking site Twitter to find out suggestions and complaints from their customers. But the ease of existing technology raises new issues, namely how to find out customer's feedback quickly. This problem solved by the sentiment analysis which is an automatic textual data processing to obtain a sentiment information that contained in an opinion sentence. The information is obtained by classifying sentiment sentence into the class that has defined before using Naive Bayes Classifier. With Naive Bayes the sentiment information from a sentence can be determined quickly because of the naive and simplicity nature from Naive Bayes itself that ignore another features. Process used on this research is preprocessing to sentiment data and then classifying the sentiment sentence into positive and negative class. The result of this research, which obtained through examination process using cross validation, shows that Naive Bayes Classifier is suitable to applied in the case of classifying a sentiment sentence into positive and negative class. Naive Bayes Classifier gives 24,26% error out of 540 tested data.