ANALISIS SENTIMEN PENGGUNA KERETA API INDONESIA MELALUI SOSIAL MEDIA TWITTER DENGAN ALGORITMA NAÏVE BAYES CLASSIFIER

Abstrak

Kereta Api Indonesia sekarang ini berhasil menarik minat masyarakat untuk menggunakan transportasi umum. Peningkatan terjadi berhubungan dengan pandemi Covid-19 yang terus membaik sehingga Kereta Api Indonesia dapat melayani penumpang hingga 100% dari kapasitasnya, meningkat dari sebelumnya hanya melayani 45% penumpang. Setelah pandemi COVID-19, beberapa fasilitas di stasiun dan kereta api mengalami perubahan dan penyesuaian, hal tersebut memicu reaksi masyarakat terhadap pelayanan yang diberikan oleh Kereta Api Indonesia yang di tuangkan di media sosial twitter. Analisis sentimen menjadi solusi dalam mengekstrak informasi dan mengklasifikasikan data opini sesuai sentimen (positif dan negatif) dengan memanfaatkan algoritma data mining. Tujuan dari penelitian ini adalah untuk mengklasifikasikan sentimen pengguna layanan transportasi Kereta Api Indonesia menggunakan algoritma Naïve Bayes Classifier. Penelitian ini, menggunakan Metode KDD (Knowledge Discovery in Database) yang terdiri dari tahapan Data Selection, preprocessing, Data transformation, Data Mining dan Evaluation. Hasil penelitian menunjukkan bahwa performa algoritma Naïve Bayes Classifier dalam mengklasifikasikan sentimen pengguna layanan transportasi Kereta Api Indonesia dengan nilai akurasi sebesar 0.9215686274509803 atau setara dengan 92.15%. Sentimen pada opini pengguna layanan transportasi Kereta Api Indonesia ini diketahui lebih banyak mengandung sentimen negatif berdasarkan pelabelan manual. Hal ini terlihat bahwa banyak pengguna layanan transposrtasi Kereta Api Indonesia ini mengeluhkan tentang kenaikan harga, keadaan kursi khususnya untuk kereta api kelas ekonomi dan fasilitas lainnya. Dalam hal ini Kereta Api Indonesia dapat menjadikan penelitian ini sebagai acuan untuk terus menerus melakukan perbaikan terhadap pelayanan yang diberikan.