{"id":3501,"date":"2022-12-12T21:34:25","date_gmt":"2022-12-12T14:34:25","guid":{"rendered":"http:\/\/student-activity.binus.ac.id\/himti\/?p=3501"},"modified":"2022-12-12T21:34:25","modified_gmt":"2022-12-12T14:34:25","slug":"implementasi-data-mining-pada-twitter-yang-dapat-meningkatkan-pelayanan-pada-para-pengguna","status":"publish","type":"post","link":"https:\/\/student-activity.binus.ac.id\/himti\/2022\/12\/12\/implementasi-data-mining-pada-twitter-yang-dapat-meningkatkan-pelayanan-pada-para-pengguna\/","title":{"rendered":"Implementasi Data Mining pada Twitter yang dapat meningkatkan pelayanan pada para pengguna"},"content":{"rendered":"

Dengan pesatnya perkembangan media sosial, banyak ulasan dan komentar pengguna menjadi\u00a0<\/span><\/p>\n

dasar untuk menilai kualitas produk dan layanan yang berhubungan dengan <\/span>marketplace<\/span><\/i>.\u00a0<\/span><\/p>\n

Adanya kolom komentar memungkinkan <\/span>marketplace <\/span><\/i>untuk mendapatkan <\/span>review <\/span><\/i>atau kritik yang jujur tanpa adanya rekayasa.<\/span><\/p>\n

Dosen Universitas Nusa Mandiri (UNM) menjadikan Twitter untuk melakukan analisis. Twitter memiliki fitur yang dinamakan <\/span>tweets<\/span><\/i> (cuitan) yang berguna untuk memposting keresahan atau informasi dari para pengguna dan bisa dilihat oleh pengguna lainnya. Biasanya, pengguna memberikan review produk lalu memberi <\/span>tag <\/span><\/i>kepada <\/span>marketplace <\/span><\/i>yang dituju. Kebanyakan orang-orang tidak memakai bahasa yang sesuai, sehingga sulit untuk menentukan ulasan tersebut bernilai positif atau negatif.<\/span><\/p>\n

Memeriksa satu persatu cuitan pengguna twitter secara manual tentu saja tidak mungkin dilakukan. Untuk itu, metode <\/span>Naive Bayes Class<\/span><\/i> diterapkan sehingga dapat melakukan klasifikasi untuk menganalisis sentimen berupa cuitan pengguna di twitter. Metode ini menggunakan <\/span>machine learning <\/span><\/i>dengan menghitung probabilitas terjadinya peristiwa berdasarkan peristiwa lain yang telah terjadi untuk melakukan klasifikasi data. Dalam penelitian ini yang menjadi objeknya adalah cuitan.\u00a0\u00a0<\/span><\/p>\n

Cuitan pengguna nantinya diklasifikasikan kedalam <\/span>class <\/span><\/i>positif dan <\/span>class <\/span><\/i>negatif. Setelah itu, dilakukan eksperimen menggunakan tabel confusion matrix serta aplikasi rapidminer untuk mendapatkan nilai akurasinya.<\/span><\/p>\n

Melalui eksperimen tersebut, didapatkan nilai akurasi sebesar 81,50 persen dan nilai AUC (Area Under the Curve) sebersar 0.640, dengan menggunakan sebanyak 600 data cuitan pengguna twitter yang terdiri dari 300 data <\/span>class<\/span><\/i> positif dan 300 data <\/span>class<\/span><\/i> negatif. Penelitian dosen UNM ini ditujukan untuk dapat menentukan berapa <\/span>class<\/span><\/i> yang termasuk positif dan negatif. Harapannya, hasil penelitian dapat menjadi acuan untuk meningkatkan layanan konsumen bagi perusahaan atau organisasi yang dituju.<\/span><\/p>\n

DAFTAR PUSTAKA<\/h3>\n