Analisis Sentimen Kepuasan Pelanggan IBox Melalui Media Sosial Twitter

Abstract

IBox is a well-known premium Apple product reseller in Indonesia that sells and offers Apple products and a wide range of complementary accessories, software, and others. However, it turns out that not all iBox customers are satisfied with the facilities and services provided by iBox. Therefore, an analysis is needed to determine the level of customer satisfaction with the facilities and services provided by iBox. One of them is by conducting sentiment analysis on tweets on social media Twitter. The research method used consists of data preparation, data retrieval from Twitter, pre-processing, classification, and performance evaluation.  The classification used is Naive Bayes classification. The results obtained from this study are 69 neutral tweets, 46 negative tweets and 60 positive tweets with the amount of data used as many as 175 tweets. So that in this sentiment analysis, the number of neutral tweets is the largest number of tweets. Furthermore, the classification results using the Naive Bayes method are neutral tweets with a percentage of precision 76%, recall 73%, and F1-score 75%. Then negative tweets have 1% precision, 27% recall, and 43% F1-score. Finally, positive tweets get a percentage of 48% precision, 75% recall, and 59% F1-score. While the percentage of calculation results with macro calculations is 75% accuracy, precision 58%, and recall 59%.

Abstrak

IBox merupakan reseller produk Apple Premium terkenal di Indonesia yang menjual dan menawarkan produk Apple dan berbagai macam aksesoris pelengkap, software, dan lain-lain. Namun, ternyata tidak semua pelanggan iBox merasa puas dengan fasilitas dan pelayanan yang diberikan oleh iBox. Oleh karena itu, diperlukan suatu analisis untuk mengetahui tingkat kepuasan pelanggan terhadap fasilitas dan pelayanan yang diberikan oleh iBox. Salah satunya adalah dengan melakukan analisis sentimen pada Tweet di media sosial Twitter. Metode penelitian yang digunakan terdiri dari persiapan data, pengambilan data dari Twitter, pra-proses, klasifikasi, dan evaluasi kinerja. Klasifikasi yang digunakan adalah klasifikasi Naive Bayes. Hasil yang didapatkan dari penelitian ini adalah terdapat 69 tweet netral, 46 tweet negatif dan 60 tweet positif dengan jumlah data yang digunakan sebanyak 175 tweet. Sehingga pada analisis sentimen ini, jumlah tweet netral merupakan jumlah tweet yang paling banyak. Selanjutnya hasil klasifikasi menggunakan metode Naive Bayes adalah tweet netral dengan persentase precision 76%, recall 73%, dan F1-score 75%. Kemudian tweet negatif precision 1%, recall 27%, dan F1-score 43%. Terakhir, tweet positif mendapatkan persentase precision 48%, recall 75%, dan F1-score 59%. Sedangkan persentase hasil perhitungan dengan perhitungan makro adalah accuracy 75%, precision 58% dan recall 59%.

Kata kunci: analisis sentimen, twitter; iBox; naive bayes