KOMPARASI METODE FEATURE SELECTION TEXT MINING PADA PERMASALAHAN KLASIFIKASI KELUHAN PELANGGAN INDUSTRI TELEKOMUNIKASI MENGGUNAKAN SMOTE DAN NAÏVE BAYES

Abstract

Twitter merupakan salah satu media sosial yang populer di Indonesia. Tidak hanya masyarakat biasa yang menggunakan media sosial ini, banyak juga perusahaan yang memanfaatkan Twitter sebagai sarana promosi dan pendekatan kepada para pelanggannya. Termasuk Tri Indonesia yang mempunyai official akun di Twitter, salah satunya adalah @3CareIndonesia. Para pengguna Tri Indonesia memanfaatkan akun official ini sebagai sarana berbagi opini tentang pengalaman menggunakan provider ini dalam bentuk komentar di Twitter @3CareIndonesia. Penelitian ini dilakukan untuk mengukur seberapa akurat algoritma SMOTE dan Naïve Bayes dalam mengetahui sentimen pada komentar para pelanggan Tri Indonesia lalu mengkategorikannya kedalam komplain dan bukan komplain dengan megunakan algoritma Naïve Bayes. Proses pengambilan data menggunakan metode crawling data menggunakan aplikasi Rapidminer. Kemudian dari data yang didapat dilakukan preprocessing tingkat 1 menggunakan Gataframework dan preprocessing tingkat 2 menggunakan Rapidminer. Hasil dari penelitian ini  menunjukan bahwa kombinasi dari SMOTE dan Naïve Bayes dapat menghasilkan pemodelan yang cukup baik dengan nilai accuracy sebesar 81.85%, precision sebesar 80.44%, recall sebesar 83.10% dan AUC sebesar 0.817.Kata Kunci: Rapidminer, Naïve Bayes, Gataframework, Twitter, Sentiment Analysis