Implementasi Metode Text Mining – Lexicon Dalam Social Network Analysis Brand Jasa Ekspedisi Pada Sosial Media Twitter

Santi  Ferawati; Dadang  Iskandar Mulyana

doi:10.54593/awl.v3i2.102

Penulis

Santi Ferawati Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika, Jakarta
Dadang Iskandar Mulyana Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika, Jakarta

DOI:

https://doi.org/10.54593/awl.v3i2.102

Kata Kunci:

Text Mining, Lexicon, Social Network Analysis, Brand

Abstrak

Di Indonesia perkembangan internet sangat pesat sehingga banyak pengguna media sosial. Salah satu di Indonesia perkembangan internet pada bidang adalah bisnis e-commerce atau berjualan secara online dimana penjual dan pembeli tidak berhadapan langsung, adanya pelantara yang mengandalkan sistem elektronik dan ada beberapa pihak yang terlibat yaitu perusahan jasa ekspedisi dan bank yang menyediakan sitem pembayaran. Jasa ekspedisi atau jasa pengiriman berperan penting bagi bisnis e-commerce. Pelayanan jasa ekspedisi sangat penting karena kepuasan konsumen akan menguntungkan perusahaan. Dataset diambil dari twitter dikelolah dengan metode text mining dan lexicon melalui preprocessing dan lexicon kemudian dilanjutkan jaringan social network analysis yaitu mengetahui user yang sering berkominikasi di sosial media twitter yang terkait jasa ekspedisi JNE, J&T dan Sicepat. Bertujuan untuk mendeskrispikan dan mengetahui jasa ekspedisi mana yang diminatin konsumen. Hasil dari penelitian ini jasa ekspedisi JNE yang menunjukan nilai positif tertinggi dengan nilai akurasi 75.20%, persisi 50.18% dan recall 66.40%. Menujukan analisis dari jaringan sosial jaringan social yang terbentuk di Twitter berkaitan dengan ekspedisi lebih J&T karene memilikim jaringan user terbanyak.

Referensi

P, A. Sumitro, Rasiban., D, I. Mulyana., and W, Saputro, “Analisis Sentimen Terhadap Vaksin Covid - 19 di Indonesia pada Twitter Menggunakan Metode Lexicon Based,” J-ICOM - J.Inform. & Tekno, Komput., vol.2, no.2, pp. 50 – 56, 2021, doi: 10.33059/j-icom.v2i2.4009,.

Y. Nooryuda. Prasetya and D, Winarso, “Penerapan Lexicon Based Untuk Analisis Sentimen Pada Twiter Terhadap Isu Covid-19,” Fasilkom, vol,11, no,2, pp. 97–-103, 2021.

S. Shalehanny, A. Triayudi, and E. T. E. Handayani, “Public’S Sentiment. Analysis on Shopee-Food Service Using Lexicon-Based and Support Vector Machine,” J. Ris, Inform., vol. 4, no, 1, pp. 1–-8, 2021, doi: 10.34288/jri.v4i1.287.

Y. Azhar, “Metode Lexicon - Learning Based Untuk Identifikasi Tweet Opini Berbahasa Indonesia,” J. Nas. Pendidik. Tek. Inform., vol.6, no.3, p.237, 2018, doi: 10.23887/janapati.v6i3.11739.

A. S. Aribowo. and S. Khomsah, “Implementation Of Text Mining For Emotion Detection Using The Lexicon Method ( Case Study: Tweets About Covid-19 ).,” Telematika, vol. 18, no. 1, p. 49, 2021, doi: 10.31315/telematika.v18i1.4341.

H. Himawan, D.G. Putri, and W. Kaswidjanti, “Metode Lexicon Based dan Support Vector Machine untuk Menganalisis Sentimen pada Media Sosial sebagai Rekomendasi Oleh-Oleh Favorit ,” Semin. Nas. Inform., vol. 2018., no.November, pp. 235 -– 244, 2018.

C. Wang, H. Min-yuh, and D. A.N. C. Wu, “Deteksi dan Leksikon Ujaran Kebencian Gedung: Sebuah Studi di Taiwan.,” no. April, pp. 44337 – 44346, 2022.

F.V. Sari and A.Wibowo, “Analisis Sentimen Pelanggan Toko Online Jd.Id Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi,” J. SIMETRIS, vol.10,. no.2, pp. 681 -– 686, 2019.

I. O. Djaja.Putra, K. R. Prilianti, and P. L. Tirma Irawan., “ Implementasi Text Mining Untuk Analisis Opini Masyarakat Terhadap Kinerja Layanan Transportasi Online Dengan Analisis Faktor,” J. Simantec, vol. 8, no.2, pp. 45 -– 53,2020., doi: 10.21107/simantec.v8i2.6764.

S.P. Dewi, N. Nurwati, and E. Rahayu, “ Penerapan Data Mining Untuk Prediksi Penjualan Produk Terlaris Menggunakan Metode K-Nearest Neighbor.,” Build. Informatics, Technol. Sci., vol. 3, no. 4, pp. 639–648, 2022, doi: 10.47065/bits.v3i4.1408.

N. S. Fathullah, Y. A.Sari., and P. P. Adikara, “ Analisis Sentimen Terhadap Rating dan Ulasan Film dengan menggunakan Metode Klasifikasi Naïve Bayes dengan Fitur Lexicon-Based,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 4, no. 2, pp. 590 – 593, 2020., [Online]. Available: http://j-ptiik.ub.ac.id.

M. K. Bratawisnu, M.R.D. Putra, and W. Ignatio, “ Penentuan Top Brand Menggunakan Social Network Analysis pada e-commerce Tokopedia dan Bukalapak.,” J. Inf. Eng. Educ. Technol., vol.2, no. 1, p. 1, 2018, doi: 10.26740/jieet.v2n1.p1-5.

R. W. Abdullah, D. Hartanti, and H. Permatasari, “ Penerapan Data Mining untuk Memprediksi Jumlah Produk Terlaris Menggunakan Algoritma Naive Bayes Studi Kasus ( Toko Prapti ),” vol.13, no. April, pp, 20-–27,2022.

G. B. Mangmang, L.Feliscuzo, and E. A.Maravillas, “ Descriptive Feedback on Interns’ Performance using a text mining approach,” Proc. - 2019 14th Int. Jt. Symp. Artif. Intell. Nat. Lang. Process. iSA I- NLP 2019, pp,3–-6, 2019, doi: 10.1109/iSAI-NLP48611.2019.9045604.

L. C. Cheng and L. R. Sharmayne, “ Analysing Digital Banking Reviews Using Text Mining,” Proc.2020 IEEE/ACM Int. Conf. Adv. Soc. Networks Anal. Mining., ASONAM 2020, no. c, pp. 914 -– 918, 2020, doi: 10.1109/ASONAM49781.2020.9381429,

M. M. Febrilien,“Analisis Kepuasan Pelanggan Terhadap Pelayanan PT. POS Indonesia (Persero) Cabang Ambon Menggunakan Metode Servqual dan Lexicon Based,” J. Tek. Inform. dan Sist. Inf., vol.3, p.303, 2017.

M. Ghudafa., T. Akbar, and D. B. Srisulistiowati., “ Analisa Sentimen Efektifitas Vaksin terhadap Varian COVID 19 Omicron Berbasis Leksikon, ” J. Inf. Inf. Secur. (JIFORTY, vol.2, no.2, pp. 251 – 258,2021,[Online]. Available: http://ejurnal.ubharajaya.ac.id/index.php/jiforty.

A. P. R. Nababan, A. S.M. Lumenta, Y. D.Y. Rindengan, F. J. Pontoh, and Y.V Akay., “Analisis Sentimen Twitter Pasca Pengumuman Hasil Pilpres 2019 Menggunakan Metode Lexicon Analysis.,” J. Tek. Inform., vol.15, no. 1, pp. 33–-44, 2020.

N. E, Oktaviana, Y. A, Sari, and Indriati, “Analisis Sentimen Terhadap Kebijakan Kuliah Daring Selama Pandemi Menggunakan Pendekatan Lexicon Based Features Dan Support Vector Machine.,” J. Teknol.Inf,. dan Ilmu Komput., vol. 9, no. 2, pp. 357 - 362, 2022, doi: 10.25126/jtiik.202295625.

J. E, Chire Saire and J. F, Oblitas Cruz, “Study of Coronavirus Impact on Parisian Population from April to June using Twitter and Text Mining Approach,” Proc. -2020 Int. Comput,. Symp. ICS 2020, pp. -242 – 246,2020, doi: 10.1109/ICS51289.2020.00056.

J. Reynaldo, P, P. Adikara, and R. C.Wihandika, “Analisis Sentimen Mengenai Produk Toyota Avanza Menggunakan Metode Learning Vector Quantization Versi 3 ('LVQ 3) dengan Seleksi Fitur Chi Square., Lexicon - Based Features serta Normalisasi Min - Max,” vol.4, no.3, pp. 830 – 839, 2020, [Online]. Available: http://j-ptiik.ub.ac.id,

N. Anggraini, S. Kom, H. Suroyo., and M.. Kom, “Comparison of Sentiment Analysis against Digital Payment ‘T-cash and Go-pay ’in Social Media Using Orange Data Mining Perbandingan Analisis Sentimen Terhadap Digital Payment ‘ T-cash dan Go-pay’ Di Sosial Media Menggunakan Orange Data Mining,” J. Inf, Syst. Informatics, vol.1, no.1, pp.152–163, 2019.