<![CDATA[Opini publik yang terekspresikan melalui media sosial, khususnya Twitter, telah menjadi sumber informasi yang penting bagi perusahaan dan lembaga keuangan, termasuk Bank BSI. Analisis sentimen opini publik dapat membantu Bank BSI dalam memahami pandangan dan persepsi masyarakat terhadap layanan mereka. Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan algoritma machine learning yaitu algoritma SVM, naïve bayes dan logistic regression untuk menganalisis sentimen opini publik terhadap Bank BSI yang terdapat dalam tweet di Twitter. Data tweet yang digunakan dalam penelitian ini diambil situs dari kaggle dengan jumlah data 24.401, berisi tentang ulasan komentar pengguna terkait ransomware pada Bank BSI. Hasil dari percobaan yang telah dilakukan diperoleh bahwa SVM menghasilkan akurasi 0,88%, naive bayes menghasilkan akurasi 0,76%, dan logistic regression menghasilkan akurasi 0,86%. Berdasarkan dari hasil percobaan bahwa SVM mendapatkan performa kinerja yang lebih unggul dari pada algoritma naive bayes dan logistic regression . Dalam konteks ini, SVM dapat menjadi pilihan yang baik untuk analisis sentimen secara umum. Penelitian ini mengungkapkan bahwa persentase sentimen negatif terhadap Bank BSI lebih tinggi daripada sentimen positif. Temuan ini menunjukkan adanya keprihatinan dan ketidakpuasan yang signifikan di antara masyarakat terhadap layanan perusahaan. Meskipun ada beberapa sentimen positif yang teridentifikasi.]]>
Copyrights © 2023
