Murti, Astarina Hartika (2018) Analisis Sentimen Layanan Internet PT XL Axiata Tbk Menggunakan Pohon Klasifikasi. Sarjana thesis, Universitas Brawijaya.
Abstract
Opini konsumen dalam bidang bisnis digunakan untuk membantu menentukan kebijakan suatu perusahaan. Kebijakan dapat berupa perbaikan produk dan layanan untuk meningkatkan loyalitas konsumen. Metode untuk mengetahui kecenderungan opini pelanggan adalah analisis sentimen. Analisis ini mengklasifikasikan opini konsumen menjadi tiga, yaitu positif, negatif dan netral. Klasifikasi sentimen dilakukan menggunakan pohon klasifikasi. Penelitian dilakukan dengan studi kasus pada salah satu perusahaan telekomunikasi terkemuka di Indonesia, PT XL Axiata Tbk. Data yang digunakan adalah opini konsumen dalam bentuk kicauan di media sosial Twitter. Kicauan diambil dari berbagai akun yang memuat kata kunci “myxl internet”. Data uji yang digunakan untuk membentuk pohon klasifikasi sebanyak 240 kicauan, kemudian pohon klasifikasi tersebut digunakan untuk mengklasifikasikan sentimen dari data latih sebanyak 103 kicauan. Tujuan penelitian ini adalah untuk menganalisis kecenderungan opini konsumen layanan internet PT XL Axiata Tbk, menentukan kata-kata yang menjadi ciri suatu sentimen serta menentukan akurasi klasifkasi yang dihasilkan. Kicauan konsumen mengenai layanan internet PT XL Axiata Tbk didominasi oleh sentimen negatif. Sebaliknya, persentase kicauan dengan sentimen positif sangat kecil. Sedangkan kicauan dengan sentimen netral sebesar memiliki persentase sedang. Kata yang dapat menentukan jenis sentimen dari kicauan adalah kata “APN”, “Maaf”, “Tidak”, “Bisa”, “Lemot” dan “Dapat”. Klasifkasi sentimen yang dilakukan mencapai akurasi sebesar 83,49%.
English Abstract
Customers’ opinion in the business field is used to make decisions for the company. The decisions might relate to product or services improvement that able to increase consumers’ loyalty. A method to observe customers’ opinions tendencies toward company’s products and services is called sentiment analysis. This analysis classifies consumers’ opinion into three kinds of sentiments, those are positive, negative and neutral. These sentiments could be identified using a classification tree, which the tree then used to classify the sentiment of each opinion. A research conducted which subject is one of the biggest mobile telecommunications service operator in Indonesia, PT XL Axiata Tbk. The data of this research is taken from consumers’ opinion delivered as tweets to PT XL Axiata Tbk’s Twitter account. Training data to form a decision tree consists of 240 tweets, then the tree is used to classify sentiments of the testing data that consist of 103 tweets. The objectives of this research are to analyze consumers’ opinion tendency about PT XL Axiata Tbk’s internet service, to find the words that could be the characteristics of certain sentiments, and then calculate the classification’s accuracy. This research found out that the consumers’ tweet about internet services provided by PT XL Axiata Tbk is mostly negative. Meanwhile, tweets with positive sentiment are just a few and the rest are neutrals. The words that could determine tweets’ sentiments are “APN”, “Maaf”, “Tidak”, “Bisa”, “Lemot” and “Dapat”. Classification’s accuracy of the classification tree is 83.49%.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2018/94/051803499 |
| Uncontrolled Keywords: | Kicauan, Analisis Sentimen, Pohon Klasifikasi, Opini tweet, sentiment analysis, classification tree, opinion |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data > 005.7 Data in computer systems > 005.71 Data communications |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 27 May 2020 16:20 |
| Last Modified: | 18 Oct 2021 02:07 |
| URI: | http://repository.ub.ac.id/id/eprint/168399 |
Preview |
Text
Astarina Hartika Murti (2).pdf - Published Version Download (2MB) | Preview |
Actions (login required)
 |
View Item |