Analisis Sentimen Pada Sosial Media Twitter Terhadap Kualitas Jaringan Internet Telkomsel Menggunakan Ensemble K-Nearest Neighbour -Support Vector Machine

Di Indonesia, ada beberapa perusahaan penyedia layanan internet, salah satunya adalah PT Telekomunikasi Seluler yang mengoperasikan layanan jaringan internet seluler melalui Telkomsel. Dikarenakan banyak yang menggunakan operator seluler Telkomsel maka umumnya pengguna dari operator tersebut akan menyampaikan opini mereka terhadap kualitas layanan jaringan internet yang diberikan. Opini tersebut dapat merepresentasikan tentang kepuasan pengguna pada layanan jasa tersebut. Kepuasan pengguna seringkali digunakan oleh sebuah perusahaan sebagai bahan penilaian dan evaluasi dari layanan mereka. Untuk mengukur kepuasan pengguna tersebut, salah satu cara yang dapat diterapkan yaitu analisis sentimen dengan cara melakukan klasifikasi terhadap opini pengguna dan mengelompokkan kedalam kelas positif, negatif, atau netral. Dalam penelitian analisis sentimen ini menggunakan model algoritma machine learning yaitu K-Nearest Neighbour, Support Vector Machine, dan Ensemble KNN-SVM yang berbasis majority vote dan berbasis average. Dalam penelitian ini data yang diambil berasal dari Twitter dengan rentang waktu 7 Juli 2020 hingga 31 Desember 2022 dengan total jumlah data sebesar 30004 data dan diambil sampel yang diberi label sebesar 3900 data. Dari penggunaan data sampel tersebut, nilai akurasi pada model KNN pada K=15 memberikan hasil akurasi sebesar 83.21%, model SVM pada C=100 memberikan hasil akurasi sebesar 84.33%, model Ensemble KNN-SVM Majority Vote atau Hard Vote memberikan hasil akurasi sebesar 83.26%, dan model Ensemble KNN-SVM Average atau Soft Vote memberikan hasil akurasi sebesar 84.79%. Selain itu keempat model tersebut melakukan prediksi sentimen terhadap data yang belum dilabel dan keempat model tersebut memprediksi mayoritas sentimennya yaitu negatif. Sehingga dapat disimpulkan bahwa opini masyarakat terhadap kualitas layanan jaringan internet telkomsel adalah negatif. Secara keseluruhan, penggunaan model klasifikasi KNN, SVM, dan Ensemble KNN-SVM dalam melakukan analisis sentimen dapat dikatakan baik dan mampu untuk memprediksi sentimen pada sebuah data yang belum berlabel dan yang berlabel.