Analisis Sentimen Opini Publik pada Twitter Terhadap Bank BSI Menggunakan Algoritma Machine Learning
Sentiment Analysis of Public Opinion on Twitter Toward BSI Bank Using Machine Learning Algorithms
DOI:
https://doi.org/10.57152/malcom.v3i2.901Keywords:
Bank BSI, Logistic Regression, Naive Bayes, Support Vector Machine, TwitterAbstract
Opini publik yang terekspresikan melalui media sosial, khususnya Twitter, telah menjadi sumber informasi yang penting bagi perusahaan dan lembaga keuangan, termasuk Bank BSI. Analisis sentimen opini publik dapat membantu Bank BSI dalam memahami pandangan dan persepsi masyarakat terhadap layanan mereka. Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan algoritma machine learning yaitu algoritma SVM, naïve bayes dan logistic regression untuk menganalisis sentimen opini publik terhadap Bank BSI yang terdapat dalam tweet di Twitter. Data tweet yang digunakan dalam penelitian ini diambil situs dari kaggle dengan jumlah data 24.401, berisi tentang ulasan komentar pengguna terkait ransomware pada Bank BSI. Hasil dari percobaan yang telah dilakukan diperoleh bahwa SVM menghasilkan akurasi 0,88%, naive bayes menghasilkan akurasi 0,76%, dan logistic regression menghasilkan akurasi 0,86%. Berdasarkan dari hasil percobaan bahwa SVM mendapatkan performa kinerja yang lebih unggul dari pada algoritma naive bayes dan logistic regression . Dalam konteks ini, SVM dapat menjadi pilihan yang baik untuk analisis sentimen secara umum. Penelitian ini mengungkapkan bahwa persentase sentimen negatif terhadap Bank BSI lebih tinggi daripada sentimen positif. Temuan ini menunjukkan adanya keprihatinan dan ketidakpuasan yang signifikan di antara masyarakat terhadap layanan perusahaan. Meskipun ada beberapa sentimen positif yang teridentifikasi.
References
Rosdiana, E. Tungadi, Z. Saharuna, and M. Utomo, “Analisis Sentimen pada Twitter terhadap Pelayanan Pemerintah Kota Makassar,” Proceeding SNTEI, Sep. 2019, [Online]. Available: https://dev.twitter.com
K. Utari, Y. Septiyana, Asnaini, and K. Elwardah, “Efisiensi Keputusan Merger Tiga Bank Syariah di Indonesia pada Masa Pandemi Covid-19 (Studi di BSI Kc Bengkulu Panorama),” Journal Ekombis Review, vol. 10, pp. 311–324, 2022, doi: 10.37676/ekombis.v10iS1.
Kelvin, J. Banjarnahor, E. Indra, and S. Sinurat, “Analisis perbandingan sentimen Corona Virus Disease-2019 (Covid19) pada Twitter Menggunakan Metode Logistic Regression Dan Support Vector Machine (SVM),” JUSIKOM PRIMA, vol. 5, no. 2, Feb. 2022.
M. Petiwi, A. Triayudi, and I. Sholihati, “Analisis Sentimen Gofood Berdasarkan Twitter Menggunakan Metode Naïve Bayes dan Support Vector Machine,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 6, no. 1, p. 542, Jan. 2022, doi: 10.30865/mib.v6i1.3530.
D. Oktavia, Y. Ramadahan, and Minarto, “Analisis Sentimen Terhadap Penerapan Sistem E-Tilang Pada Media Sosial Twitter Menggunakan Algoritma Support Vector Machine (SVM),” Kajian Ilmiah Informatika dan Komputer, vol. 4, no. 1, pp. 407–417, Aug. 2023, doi: 10.30865/klik.v4i1.1040.
R. Amelia, Darmansah, N. Prastiwi, and M. Purbaya, “Impementasi Algoritma Naive Bayes Terhadap Analisis Sentimen Opini Masyarakat Indonesia Mengenai Drama Korea Pada Twitter,” JURIKOM (Jurnal Riset Komputer), vol. 9, no. 2, p. 338, Apr. 2022, doi: 10.30865/jurikom.v9i2.3895.
D. Devito, R. Wihandika, and A. Widodo, “Ekstraksi Ciri Untuk Klasifikasi Gender Berbasis Citra Wajah Menggunakan Metode Histogram of Oriented Gradients,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 3, no. 8, pp. 8002–8011, Aug. 2019, [Online]. Available: http://j-ptiik.ub.ac.id
K. E. Todt, “Data Privacy and Protection?: What Businesses Should Do,” The Cyber Defense Review, vol. 4, no. 2, pp. 39–46, 2019, doi: 10.2307/26843891.
T. Hidayat, M. Priyatna, A. Sutanto, A. Khudri, and R. Khomarudin, “Informasi Sebaran Titik Panas Berbasis WebGIS untuk Pemantauan Kebakaran Hutan dan Lahan di Indonesia,” Jurnal Teknologi Lingkungan, vol. 20, no. 1, 2019, [Online]. Available: http://pycsw.org
S. Widaningsih and S. Yusuf, “Penerapan Data Mining Untuk Memprediksi Siswa Berprestasi Dengan Menggunakan Algoritma K Nearest Neighbor,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 9, no. 3, Sep. 2022, [Online]. Available: http://jurnal.mdp.ac.id
A. Rapsanjani and E. Junianto, “Implementasi Probabilistic Neural Networkdan Word Embeddinguntuk Analisis Sentimen Vaksin Sinovac,” JURNAL RESPONSIF, vol. 3, no. 2, pp. 233–242, Aug. 2021, [Online]. Available: http://ejurnal.ars.ac.id/index.php/jti
F. Sari and A. Wibowo, “Analisis Sentimen Pelanggan Toko Online Jd. Id Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi,” Jurnal SIMETRIS, vol. 10, no. 2, Nov. 2019.
M. Muafa and L. Iswari, “Pengembangan Aplikasi Berbasis Web dengan Rshiny untuk Data Klasifikasi Menggunakan Metode Naive Bayes,” Prosiding Automata, vol. 3, no. 1, Jan. 2022.
D. Gunawan, D. Riana, D. Ardiansyah, F. Akbar, and S. Alfarizi, “Komparasi Algoritma Support Vector Machine Dan Naïve Bayes Dengan Algoritma Genetika Pada Analisis Sentimen Calon Gubernur Jabar 2018-2023,” Jurnal Teknik Komputer AMIK BSI, vol. 6, no. 1, Jan. 2020, doi: 10.31294/jtk.v4i2.
C. S. Eke, E. Jammeh, X. Li, C. Carroll, S. Pearson, and E. Ifeachor, “Early Detection of Alzheimer’s Disease with Blood Plasma Proteins Using Support Vector Machines,” IEEE J Biomed Health Inform, vol. 25, no. 1, pp. 218–226, Jan. 2021, doi: 10.1109/JBHI.2020.2984355.
M. Alsharif, A. Kelechi, K. Yahya, and S. Chaudhry, “Machine learning algorithms for smart data analysis in internet of things environment: Taxonomies and research trends,” Symmetry (Basel), vol. 12, no. 1, Jan. 2020, doi: 10.3390/SYM12010088.
L. Yu, S. Gan, Y. Chen, and M. He, “Correlation-Based Weight Adjusted Naive Bayes,” IEEE Access, vol. 8, pp. 51377–51387, 2020, doi: 10.1109/ACCESS.2020.2973331.
A. B. Amjoud and M. Amrouch, “Transfer Learning for Automatic Image Orientation Detection Using Deep Learning and Logistic Regression,” IEEE Access, vol. 10, pp. 128543–128553, 2022, doi: 10.1109/ACCESS.2022.3225455.
F. Pramakrisna, F. Adhinata, and N. Tanjung, “Aplikasi Klasifikasi SMS Berbasis Web Menggunakan Algoritma Logistic Regression,” Jurnal Teknologi Informasi dan Komunikasi, vol. 11, no. 2, pp. 90–97, Jun. 2022, doi: 10.34148/teknika.v11i2.466.
Imam and I. Santoso, “Analisis Sentimen Pada Twitter Terhadap Gagalnya Pelaksanaan Piala Dunia Di Indonesia Mengguanakan Metode Naïve Bayes,” Ikraith-Informatika, vol. 7, no. 2, Jul. 2023, [Online]. Available: https://journals.upi-yai.ac.id/index.php/ikraith-informatika/issue/archive
