Analisis Sentimen Ulasan Penumpang Maskapai Penerbangan Indonesia Menggunakan Support Vector Machine , Naive Bayes, dan Random Forest

Abstract

Maskapai penerbangan merupakan perusahaan yang menyediakan layanan penerbangan untuk penumpang dan barang. Di Indonesia, terdapat dua jenis penerbangan, yaitu Low-Cost Carrier (LCC) dan full service. Penelitian ini menganalisis sentimen terhadap maskapai penerbangan Indonesia dengan menggunakan data ulasan dari X (Twitter) dan TripAdvisor, yang terdiri dari 6.469 ulasan. Tujuan utama penelitian adalah membandingkan kinerja tiga algoritma machine learning: Support Vector Machine (SVM) dengan kernel RBF, Naive Bayes, dan Random Forest. Model dievaluasi berdasarkan metrik akurasi, presisi, recall, dan F1-Score. Hasil menunjukkan bahwa Random Forest memberikan kinerja terbaik dengan akurasi 91%, presisi 91%, recall 91%, dan F1-Score 90%. Sementara itu, SVM dengan kernel RBF mencapai akurasi 89%, dan Naive Bayes memperoleh akurasi 79%. Dengan demikian, Random Forest terbukti lebih efektif dalam analisis sentimen pengguna maskapai penerbangan di Indonesia.