Analisis Sentimen Pengguna Media Sosial Twitter Tentang Shopeepaylater Menggunakan Naive Bayes Classifier

Di era digital saat ini, kemajuan teknologi informasi semakin pesat. Selain sebagai sarana komunikasi dan informasi, internet juga memungkinkan individu untuk meningkatkan pendapatan ekonomi dengan mengabulkan keinginan konsumen dalam berbelanja, khususnya melalui belanja online. Belanja online merupakan kebutuhan bagi individu tertentu dalam kehidupannya sebagai konsumen. Pengguna aplikasi shopee dapat berbelanja terlebih dahulu hingga batas tertentu berkat fungsi paylater. Fitur paylater pada shoope dinamakan Shopeepaylater. Melalui fitur Shopeepaylater, member aktif shopee menerima fasilitas dari perusahaan berupa pinjaman cepat dengan suku bunga sangat rendah. Masing-masing pengguna baru yang ingin memanfaatkan fitur Shopeepaylater, berpotensi tertarik untuk melihat bagaimana pengguna twitter sebelumnya menanggapi tweet yang menggunakan fungsi Shoopepaylater. Untuk memastikan seberapa besar layanan Shopeepaylater ini dapat memfasilitasi kenyamanan konsumen. Oleh karena itu pada penelitian ini dilakukan pengambilan opini dari masyarakat pada media sosial twitter. Namun terdapat masalah dalam penentuan tweet yang menghasilkan mana kata positif atau negatif. Maka dari itu dilakukan analisis sentimen untuk bisa mengklasifikasikan berbagai opini tersebut. Dalam penelitian kali ini menggunakan metode Naïve Bayes Classifier untuk mengklasifikasikan kategori sentimen dari pengguna. Data yang digunakan adalah tweet yang berjumlah 1.024 tweet, kemudian diproses melalui beberapa tahapan mulai dari preprocessing data, pembobotan TF-IDF dan klasifikasi. Hasil evaluasi dari model klasifikasi Naïve bayes classifier menggunakan K-fold cross validation didapatkan hasil tertingginya pada k-7 dengan hasil akurasi sebesar 75%, precision 80% dan recall 73%.