REPUBLIKA.CO.ID, Oleh Endang Pujiastuti

Pesatnya perkembangan media sosial, menyebabkan sejumlah ulasan atau komentar pengguna menjadi dasar untuk menilai kualitas produk dan pelayanan yang berhubungan dengan marketplace. Terdapatnya kolom komentar pada media sosial, memungkinkan review jujur dari para pengguna/pelanggan/klien secara langsung tanpa rekayasa.

Dosen Universitas Nusa Mandiri (UNM) melakukan analisis pada salah satu media sosial populer di Indonesia yakni twitter. Fitur utama dari twitter yaitu untuk membagikan keresahan atau informasi secara singkat, padat dan jelas. Di mana para user (pengguna) dapat menuliskan cuitan yang bisa dibaca oleh semua pengguna lainnya, yang disebut dengan tweets. Twitter biasanya digunakan oleh pengguna untuk memberikan ulasan, salah satunya dalam berbelanja online melalui marketplace. 

Biasanya, pengguna melakukan review produk dengan menuliskannya pada media sosial dan memberi tag pada marketplace yang dituju. Bahasa yang dituliskan pun biasanya tidak menggunakan bahasa yang sesuai, sehingga sulit bagi pembaca untuk menentukan ulasan tersebut bernilai positif atau negatif.

Karena banyaknya ulasan yang diberikan oleh pengguna, tidak mungkin jika melakukan pengecekan isi komentar tersebut, semuanya secara manual. Maka untuk melakukan hal tersebut dengan melakukan pengklasifikasian, maka dosen UNM melakukan penelitian dengan menggunakan metode Naive Bayes Classifier, untuk analisis sentimen berupa ulasan yang ada di media sosial tersebut.

Pada penelitian yang dilakukan oleh dosen UNM ini, dengan cara menentukan tweets pengguna ke  dalam class-class yakni class positif ataupun class negatif. Langkah yang dilakukan yaitu dengan mengelompokkan ulasan yang dianggap negatif dan ulasan yang dianggap positif, kemudian dilakukan eksperimen dengan menggunakan tabel confusion matrix dan aplikasi rapidminer untuk mencari nilai akurasinya.

Dari hasil pengujian atau eksperimen yang telah dilakukan, didapat akurasi terbaik dengan menggunakan 600 data tweets pengguna yang terdiri dari 300 data positif dan 300 data negatif dengan nilai akurasi sebesar 81,50 persen  dan nilai AUC sebesar 0.640.

Tujuan dari penelitian ini, bisa menentukan berapa class yang termasuk positif dan negatif. Hal tersebut bisa menjadi acuan untuk peningkatan layanan bagi perusahaan atau organisasi yang dituju.

*) Penulis adalah dosen Universitas Nusa Mandiri (UNM), Prodi Sistem Informasi

Ikuti Whatsapp Channel Republika