YP3AYP3A

SATESI: Jurnal Sains Teknologi dan Sistem InformasiSATESI: Jurnal Sains Teknologi dan Sistem Informasi

Sektor telekomunikasi di Indonesia telah mengalami perkembangan yang pesat dalam beberapa tahun terakhir, ditandai dengan semakin banyaknya operator telekomunikasi yang menawarkan berbagai layanan dan produk. Oleh karena itu, terjadi persaingan yang kompetitif diantara operator. Diperlukan strategi yang tepat untuk dapat bertahan dan bersaing secara efektif. Salah satu upaya yang dapat dilakukan oleh perusahaan telekomunikasi adalah dengan melakukan evaluasi terhadap performansi operasional. Penelitian ini bertujuan untuk menganalisis sentimen pengguna X terhadap performansi operasional telekomunikasi, pada operator Telkomsel dan Tri dengan menggunakan metode text mining, yaitu Naïve Bayes, Support Vector Machine (SVM) dan Decision Tree Learning (DTL). Data penelitian didapatkan dengan cara crawling dari aplikasi X, selanjutnya data diolah untuk menghilangkan kata atau imbuhan yang tidak perlu. Kemudian dilakukan data modelling dan validasi dengan menggunakan teknik split validation dan cross validation. Pada teknik split validation, data dibagi menjadi 70% data training dan 30% data testing, sedangkan pada teknik cross validation diatur parameter fold untuk menentukan fold berapa yang paling tinggi akurasinya. Hasil dari penelitian menunjukkan metode SVM memiliki akurasi paling tinggi, dimana pada split validation akurasi 84.29% untuk data Telkomsel dan 75.70% untuk data Tri. Sama halnya pada cross validation akurasi 82.15% pada fold 4, 7 untuk data Telkomsel dan 61.41% pada fold 9 untuk data Tri. Selain itu, diketahui data Telkomsel memiliki sentimen positif 18.64% dan 81.36% sentimen negatif. Sedangkan data Tri memiliki 61.11% sentimen positif dan 38.89% sentimen negatif.

Berdasarkan hasil pemodelan data, metode Support Vector Machine memiliki akurasi tertinggi dibandingkan metode lainnya.64% pengguna Telkomsel memberikan sentimen positif, sedangkan 61.Hasil ini menunjukkan kebutuhan perbaikan layanan telekomunikasi, khususnya jaringan internet yang tidak stabil.

Penelitian lanjutan dapat mengkaji sentimen pengguna terhadap operator telekomunikasi lain di Indonesia dengan metode yang sama. Selain itu, perlu dilakukan pembandingan efektivitas metode analisis sentimen berbeda, seperti menggunakan lexicon berbeda atau algoritma lain. Terakhir, penelitian dapat meneliti faktor-faktor tambahan yang memengaruhi sentimen pelanggan, seperti perubahan harga atau inovasi layanan.

  1. Analisis Algoritma Klasifikasi Untuk Mengidentifikasi Potensi Risiko Kesehatan Ibu Hamil | Journal of... journal.isas.or.id/index.php/JACOST/article/view/809Analisis Algoritma Klasifikasi Untuk Mengidentifikasi Potensi Risiko Kesehatan Ibu Hamil Journal of journal isas index php JACOST article view 809
  2. Sentiment analysis of public opinions on the welfare of honorary educators using Naive Bayes - IOPscience.... doi.org/10.1088/1757-899X/830/3/032018Sentiment analysis of public opinions on the welfare of honorary educators using Naive Bayes IOPscience doi 10 1088 1757 899X 830 3 032018
  3. Application of ChatGPT in Improving Customer Sentiment Analysis for Businesses | Jurnal Teknologi Dan... jurnal.unidha.ac.id/index.php/jteksis/article/view/871Application of ChatGPT in Improving Customer Sentiment Analysis for Businesses Jurnal Teknologi Dan jurnal unidha ac index php jteksis article view 871
  4. Client Challenge. client challenge javascript disabled browser please enable proceed required part site... doi.org/10.1007/978-1-4842-4354-1_9Client Challenge client challenge javascript disabled browser please enable proceed required part site doi 10 1007 978 1 4842 4354 1 9
Read online
File size690.53 KB
Pages9
DMCAReport

Related /

ads-block-test