Analisis Sentimen Pada Posting Official Akun Twitter Telkom Speedy Menggunakan Naive Bayes Classifer

Telkom Speedy adalah layanan broadband akses internet dari PT. Telekomunikasi Indonesia Tbk. Pada tahun 2013, jumlah pengguna Telkom Speedy mencapai 2,4 juta orang. Banyaknya jumlah pengguna ini membuat Telkom Speedy harus menyediakan layanan berupa feedback. Salah satu media yang digunakannya ialah Twitter. Informasi yang didapat dari setiap tweets, dapat dijadikan sebagai alat penentu kebijakan dan ini bisa dilakukan dengan menggunakan analisis sentimen. Pada analisis sentimen, salah satu metode pengklasifikasian yang dapat digunakan adalah Naïve Bayes Classifier. Naïve Bayes Classifier merupakan sebuah metode klasifikasi yang berakar pada teorema Bayes. Naïve Bayes Classifier mengasumsikan bahwa keberadaan sebuah atribut (variabel) tidak ada kaitannya dengan keberadaan atribut (variabel) yang lain. Algoritma Naïve Bayes Classifier terdiri dari dua tahap. Tahap pertama adalah pelatihan terhadap himpunan dokumen contoh (data latih) dan tahap kedua adalah proses klasifikasi dokumen yang belum diketahui kategorinya (kelas). Sistem ini menggunakan metode Naïve Bayes Classifier untuk pengklasifikasiannya. Tahap yang akan dilakukan sebelum klasifikasi adalah preprocessing. Tahapan pada preprocessing terdiri dari case folding, normalisasi fitur, convert emoticon, convert negation, tokenizing, stemming dan stopword removal. Tweets yang telah melewati tahap preprocessing akan diklasifikasikan ke dalam opini positif atau opini negatif dan ditampilkan ke dalam diagram pie.

Telkom Speedy is the broadband service of internet by PT Telekomunikasi Indonesia Tbk. In 2013, total clients are 2.4 million. By the reasons Telkom Speedy must provide the feedback service. One of media used is Twitter. The obtained information of every single tweets could be used for instrument in establish the policy and implemented by sentiment analysis. In the sentiment analysis, one of classification method used is Naïve Bayes Classifier. It is a method based on theorem of Bayes. The method assuming that there is no correlation between existences of attribute (variable) to the other one. The algorithm of Naïve Bayes Classifier consists of two phase. The first is training for collection of document sample (training data) and the second is classification process document with unknown category (class). The system uses Naïve Bayes Classifier method for classification. The phase implement before classification is preprocessing. This process consists of case folding, feature normalization, convert emoticon, convert negation, tokenizing, stemming, and stopword removal. Tweets has phase the preprocessing will classified into the positive or negative opinion and presented by pie chart.