PETUNJUK PENGGUNAAN

ANALISIS SENTIMEN E-COMMERCE TRAVELOKA

PADA TWITTER MENGGUNAKAN
ALGORITMA NAÏVE BAYES CLASSSIFIER

Dibuat oleh :
Laras Nisrina Widoyoko
Prof. Dr. B.E.F. Da Silva, M Sc., DEA

UNIVERSITAS GUNADARMA
2019
 1

LATAR BELAKANG
Pada era modern seperti saat ini, teknologi merupakan satu kesatuan yang
tidak bisa dipisahkan dengan manusia. Teknologi memudahkan pengguna dalam
melakukan segala aktifitas dan berbagi informasi secara cepat dan efisien melalui
media internet. Perkembangan teknologi informasi tidak hanya sebagai media
untuk mengakses informasi, melainkan juga sebagai media untuk memenuhi
kebutuhan manusia. Oleh sebab itu, teknologi banyak dimanfaatkan diberbagai
bidang pekerjaan. Misalnya, pada bidang e-commerce.
E-commerce kini sudah menjamur di seluruh dunia untuk membantu
mendapatkan barang dan jasa dengan cara yang mudah. E-commerce
menawarkan berbagai macam pelayanan yang memudahkan pengguna dalam
pemesanan, pembelian, penjualan sebuah produk atau jasa secara elektronik.
Salah satu situs e-commerce dalam bidang jasa yang sedang berkembang dan
banyak dibicarakan adalah situs Traveloka.
Traveloka merupakan salah satu perusahaan travel terbesar di Indonesia
yang menyediakan berbagai kebutuhan perjalanan dalam satu platform. Konsep
awal dari pembuatan Traveloka hanya untuk melihat dan membandingkan harga
yang kemudian pada tahun 2013 Traveloka berubah menjadi situs reservasi yang
berkosentrasi dalam pemesanan tiket pesawat. Traveloka meluncurkan sebuah
aplikasi pada bulan Juli 2014, aplikasi ini dibuat untuk mempermudah dan
menghemat waktu dalam pemesanan tiket[17].
Tiket yang telah dipesan melalui aplikasi dapat langsung ditampilkan pada
aplikasi Traveloka tanpa harus mencetaknya terlebih dahulu, sehingga
mempermudah konsumen serta menghemat waktu dalam melakukan check-in.
Aplikasi Traveloka dapat di download secara gratis melalui App Store dan Google
Play[17].
Selain itu, Traveloka memberikan kenyamanan kepada customers dengan
sistem 3 in 1 yaitu pemesanan tiket pesawat, travel dan reservasi hotel dalam
 2

satu waktu yang bersamaan. Proses pembayaran yang cepat, mudah dan aman
serta memberikan beberapa pilihan harga tiket, travel dan hotel sesuai dengan
budget customers.
Untuk dapat menarik pelanggan maka penjual harus memberikan
pelayanan terbaik sehingga memberikan dampak positif bagi proses jual beli. Jika
konsumen tidak mendapat kan barang sesuai yang diinginkan maka konsumen
dapat memberikan pendapat negatif melalui sosial media yang bersangkutan dan
dapat dijadikan sebagai acuan untuk peningkatan kualitas penjualan dari segi
barang maupun jasa yang di tawarkan oleh penjual. Oleh sebab itu, pendapat
masyarakat tersebut dianalisis dengan menggunakan analisis sentimen.
Analisis sentimen atau opinion mining merupakan proses memahami,
mengekstrak, dan mengolah data tekstual secara otomatis untuk mendapatkan
informasi yang diekspesikan melalui media sosial online mengenai bermacam-
macam topik yang terkandung dalam suatu kalimat opini. Analisis sentimen
dilakukan untuk mendapatkan informasi yang berguna dari opini yang tidak
terstuktur menjadi informasi lebih terstuktur sehingga dapat melihat
kecenderungan beropini positif atau negatif.
Penelitian pada bidang analisis sentimen ini akan menganalisis data yang
diperoleh dari twitter dengan tweet yang membahas mengenai sentimen
pengguna terhadap e-commerce Traveloka dengan kata kunci “@Traveloka”.
Tweet tersebut akan melalui beberapa tahapan pre-processing dan tahap
klasifikasi dengan menggunakan algoritma Naïve Bayes Classifier untuk
mendapatkan nilai probabilitas terhadap sentimen kelas positif, dan negarif.
Hasil probabilitas yang diharapkan dari perhitungan algoritma Naive Bayes
Classifier adalah menentukan klasifikasi kelas sentimen pada kasus tersebut
berupa kelas positif dan negatif, serta mengevaluasi menggunakan metode
Confusion Matrix dengan menghitung akurasi yang diharapkan memperoleh hasil
akurasi yang sesuai.
 3

Berdasarkan paparan latar belakang masalah di atas, diperlukannya

analisis dalam sebuah penelitian yang berjudul “Analisis Sentimen E-Commerce
Traveloka Pada Twitter Menggunakan Algoritma Naive Bayes Classifier”.

BATASAN MASALAH
Untuk menghindari meluasnya pembahasan pada penelitian ini, maka dibuat
batasan masalah sebagai berikut:
1. Sosial media yang digunakan adalah twitter
2. Data yang digunakan berasal dari pengguna twitter yang melakukan mention
kepada akun twitter resmi Traveloka yaitu @Traveloka
3. Pengambilan data dimulai dari tanggal 29 April 2019 sampai 12 Mei 2019
4. Pengklasifikasian sentimen terdiri dari dua kelas yaitu, positif dan negatif.
5. Model algoritma Naïve Bayes Classifier menggunakan Bahasa pemrograman
Python
6. Hasil analisa berbentuk akurasi, diagram pie, diagram bar, dan wordcloud.

TUJUAN
Penelitian ini bertujuan untuk menerapkan algoritma Naive Bayes Classifier
pada mechine learning dalam pengklasifikasian sentimen melalui sosial media
twitter dengan akun resmi traveloka yaitu @Traveloka menggunakan Bahasa
pemrograman python sehingga dapat mempercepat proses klasifikasi sentimen
dan mendapatkan nilai akurasi yang baik.
 4

GAMBARAN UMUM
Pada era teknologi jaman sekarang, masyarakat Indonesia tidak luput dari
penggunaan sosial media setiap harinya. Salah satu contoh sosial media yang
sering diakses masyarakat ialah twitter. Semakin banyak pengguna twitter, maka
semakin banyak komentar yang masyarakat kirimkan terhadap suatu aplikasi
maupun layanan masyarakat lainnya, salah satunya yaitu Traveloka.
Komentar dari pengguna aplikasi traveloka yang dikirimkan oleh pengguna
twitter biasa disebut tweets. Tweets yang dikirimkan pengguna dapat
mengandung sentimen. Sentimen pada tweet dapat diklasifikasikan kedalam
sentimen postif dan sentimen negatif. Analisis sentimen bertujuan mendeteksi
dan mengklasifikasikan komentar secara otomatis. Bagi Traveloka diharapkan hasil
analisis ini memberikan informasi yang dapat digunakan untuk memperbaiki
pelayanan perusahaan.

KEBUTUHAN PERANGKAT
Kebutuhan non fungsional merupakan kebutuhan yang berhubungan
dengan system. Berikut adalah spesifikasi yang digunakan pada perangkat keras
dan perangkat lunak untuk membuat dan menjalankan program
1. Spesifikasi Hardware
Spesifikasi dari perangkat komputer yang digunakan untuk membuat aplikasi
ini adalah:
a. Satu unit laptop Asus Intel® Core™ i5-5200U
b. RAM 8 GB
c. Monitor super VGA resolusi
d. Harddisk 500GB44h
e. Mouse
 5

2. Spesifikasi Software
Spesifikasi software yang akan digunakan untuk membuat aplikasi ini adalah:
a. Sistem Operasi: Windows 10 Pro
b. Bahasa Pemrograman: Python, HTML, dan CSS
c. Framework: Django
d. Editor: Sublime, Google Colab
e. Web Browser: Google Chrome

PROSES INSTALASI PERANGKAT LUNAK

Proses instalasi perangkat lunak yang akan digunakan pada pembuatan program
data mining akan di jelaskan dibawah ini :
1. Install Python
Instalasi python pada ubuntu dapat dilakukan dengan cara menggunakan
perintah pada terminal berikut ini :
a. Buka terminal dengan menekan Ctrl+Alt+T dan ketikkan command :
sudo add-apt-repository ppa:jonathonf/python-3.6

b. Kemudian cek update dan install python dengan command :

sudo apt-get update
sudo apt-get install python3.6

c. Untuk mengecek versi python yang sudah terinstall ketikkan command:

python3 -V

2. Install Library
Untuk menginstall yang dibutuhkan untuk penujang penelitian ini pada
ubuntu cukup menggunakan command :

sudo pip install --upgrade tweepy, panda, matplotlib, sastrawi

 6

CARA PENGGUNAAN PROGRAM

Untuk menjalankan program analisis sentiment traveloka dengan
algoritma Naïve Bayes Classifier ini adalah sebagai berikut.
1. Buka source code skripsiNisrina.py pada editor Google Colab.
2. Jalankan satu per satu kode program dengan menekan Ctrl+Enter pada
setiap blok program sampai pada blok terakhir.

KESIMPULAN
Pada penelitian ini berhasil mengimplementasikan metode Machine
Learning dan Algoritma Naïve Bayes Classifier untuk mengklasifikasikan tweets
tentang Traveloka yang diperoleh dari data Twitter menggunakan Twitter API
kedalam sentimen positif dan negatif. Bahasa pemrograman yang dipakai adalah
Python dengan bantuan text editor Google Collaboratory, sedangkan untuk
visualisasi dari hasil sentimen analisis dibuat menggunakan Django Framework,
HTML, dan Java Script berbentuk website.
Setelah proses pengklasifikasian tweets maka akan muncul visualisasi cross
validation berupa perbandingan diagram bar, diagram pie, wordcloud, dan akurasi
antara hasil klasifikasi berdasarkan kamus dengan hasil model menggunakan data
training.
Untuk menghitung akurasi dari model Naïve Bayes Classifier menggunakan
metode confusion matrix. Tingkat akurasi yang dihasilkan oleh hasil training model
adalah 94% dan tingkat akurasi yang dihasilkan oleh hasil uji coba terhadap model
adalah 84%. Semakin tinggi nilai akurasi semakin baik pula model yang dihasilkan.
Maka dari itu, dapat disimpulkan bahswa hasil akurasi sentimen masyarakat
terhadap Traveloka sudah cukup baik.