IMPLEMENTASI MACHINE LEARNING DENGAN METODE TEXT MINING DAN ALGORITMA NAÏVE BAYES TERHADAP MASALAH PENGKLASIFIKASIAN KELUHAN PELANGGAN PADA TWITTER OPERATOR TELKOMSEL

Abstrak

Saat ini PT. Telkomsel, menggunakan peran media sosial sebagai bentuk keperdulian terhadap pelanggannya
untuk menangani keluhan dari para pelanggannya. Tweet dari pelanggan Telkomsel pada sosial media Twitter
ditangani oleh divisi customer service Telkomsel. Manualnya proses pengklasifikasiaan yang dilakukan oleh
divisi customer service Telkomsel pada setiap narasi tweet keluhan “complaint” yang masuk ke Twitter
@Telkomsel, membuat proses tersebut dinilai tidak efektif. Tujuan skripsi ini adalah untuk memberikan solusi
terkait permasalahan pengklasifikasian tweet keluhan dan bukan keluhan dari para pelanggan Telkomsel, serta
membuatkan tools yang dapat melakukan klasifikasi terhadap narasi tweet berbahasa Indonesia yang dibagi
menjadi dua klasifikasi, yaitu: Keluhan dan Bukan Keluhan. Metode yang digunakan yaitu menggunakan
Algoritma Naïve Bayes yang ditambahkan fitur SMOTE serta Adaboost. Disisi lain, tools Gataframework dan
Rapidminer digunakan juga dalam penelitian ini untuk membantu preprocessing dan cleansing pada dataset
hingga membantu menciptakan corpus dan sentiment analysis. Total dataset yang digunakan sebanyak 2200
data, setelah dilakukan cleansing dan preprocessing menjadi 2.000 data. Hasil dari metode yang diusulkan
mendapat nilai accuracy 78,84%, presicion 79,92%, rasio recall 77,18% dan AUC 0.809%. Berdasarkan hasil
dari metode yang diusulkan dapat disimpulkan terbukti efektif untuk pengklasifikasian narasi tweet keluhan
dan bukan keluhan dari pelanggan Telkomsel.