Analisis Sentimen Pengguna Twitter Terhadap Layanan Transportasi Biskita Transpakuan Bogor Menggunakan Metode Ensemble

Abstract

Bogor merupakan kota terpadat kelima di Indonesia pada tahun 2021. Tingginya jumlah angkutan umum dan kendaraan pribadi membuat pemerintah Kota Bogor berupaya meluncurkan angkutan umum yang lebih ramah pengguna dengan nama Biskita Transpakuan. Umpan balik dari masyarakat diperlukan untuk terus meningkatkan kualitas pelayanan dalam memenuhi kebutuhan pengguna. Umpan balik tersebut dapat berupa dukungan, kritik, dan saran. Analisis sentimen digunakan untuk mengekstrak informasi berharga salah satunya dari media sosial. Metode Ensemble dengan model dasar regresi logistik multinomial, random forest dan multinomial naïve bayes digunakan untuk melakukan klasifikasi. Tujuan penelitian ini untuk mengetahui performa dari model Ensemble dalam melakukan klasifikasi sentimen. Hasil penelitian menunjukkan bahwa model Ensemble dapat memanfaatkan kelebihan masing – masing model dasar dan mendapatkan Akurasi serta skor F1 tertinggi yaitu sebesar 78%.

Bogor is the fifth most populous city in Indonesia in 2021. The high number of public transportation and private vehicles has led the Bogor City government to launch a more user-friendly public transportation named Biskita Transpakuan. Feedback from the community is certainly needed to continue to improve service quality in meeting user needs. The feedback can be in the form of support, criticism, and suggestions. Sentiment analysis is used to extract valuable information from social media. Ensemble method with basic models of multinomial logistic regression, random forest and multinomial naïve bayes are used to perform classification. The purpose of this study is to determine the performance of the Ensemble model in performing sentiment classification. The results showed that the Ensemble model can utilize the advantages of each basic model and get the highest Akurasi and F1 score of 78%