ANALISIS SENTIMEN TERHADAP

TRANSPORTASI UMUM MRT

JAKARTA PADA TWITTER
BERBAHASA INDONESIA
MENGGUNAKAN METODE NAÏVE
BAYES CLASSIFIER.

Nama : Yuliana Fajarwati

NPM : 17115338
Jurusan : Sistem Informasi
Pembimbing : Dr. Diana Ikasari, ST.MMSI
 LATAR BELAKANG
• Kemacetan diakibatkan oleh banyaknya penggunaan kendaraan pribadi. Peningkatan
penggunaan angkutan umum dapat menjadi solusi kunci permasalahan kemacetan.
• masyarakat masih enggan untuk menggunakan transportasi umum dan lebih memilih
menggunakan kendaraan pribadi.
• Alasan masyarakat enggan menggunakan transportasi umum dikarenakan waktu
perjalanan, ongkos, keselamatan dan keamanan, serta kesenangan dan kenyamanan
pengguna transportasi umum.
• Kini Indonesia khususnya Kota Jakarta memiliki transportasi umum yaitu MRT Jakarta
• MRT Jakarta (Mass Rapid Transit Jakarta) merupakan angkutan cepat terpadu Jakarta.
MRT Jakarta adalah sebuah sistem transportasi transit cepat menggunakan kereta rel
listrik yang tidak memiliki jalur perlintasan sebidang karena semua jalur MRT Jakarta
berada diatas atau dibawah.
 RUMUSAN MASALAH
• Bagaimana merancang sistem yang dapat melakukan analisis sentimen
terhadap tweet transportasi umum MRT Jakarta dalam Bahasa Indonesia
menggunakan metode Naïve Bayes Classifier?
• Bagaimana menganalisis tweet berbahasa Indonesia dengan metode klasifikasi
Naïve Bayes Classifier?
• Bagaimana membuat aplikasi analisis sentimen terhadap tweet transportasi
umum MRT Jakarta dalam Bahasa Indonesia menggunakan metode Naïve
Bayes Classifier?
• Bagaimana cara melakukan visualisasi data terhadap hasil analisis?
 BATASAN MASALAH
• Menggunakan metode Stemming Nazief dan Adriani.
• Metode yang digunakan dalam klasifikasi tweets tentang transportasi umum
MRT Jakarta adalah metode Naïve Bayes Classifier. Analisis tweets yang
mengandung kalimat ‘MRT Jakarta’ dari akun twitter @mrtjakarta atau tweets
yang memiliki hastag #MRTJakarta, #MRTJKT, atau #MRTJ.
• Ulasan menggunakan twets berbahasa Indonesia, menggunakan data
sebanyak 100 tweets
• Data tweets diklasifikasikan oleh Naïve Bayes Classifier dalam dua bentuk,
yaitu bentuk positif dan negatif.
• Hasil dari analisis sentimen akan divisualisasikan dalam bentuk grafik
histogram.
 TUJUAN PENELITIAN
• Membangun sistem dengan melakukan analisis sentimen dari tweets yang
dinyatakan dalam Bahasa Indonesia dan mengandung kata MRT Jakarta.
• Melakukan analisis sentimen tweets menggunakan metode Naïve Bayes
Classifier Serta memvisualisasikan hasil analisis dalam bentuk grafik
histogram.
• Dapat membantu masyarakat Indonesia agar lebih mudah menentukan
pilihan transportasi umum yang nyaman dan aman. Berdasarkan hasil
review dari twitter terhadap transportasi umum oleh pengguna MRT
Jakarta.
• Hasil penelitian dapat digunakan untuk membantu meningkatkan sistem
pada MRT Jakarta dengan meningkatkan layanan dan fasilitas.
 METODE PENELITIAN
SDLC (System Development Life Cycle)
KERANGKA PENELITIAN

Training

Testing
STRUKTUR NAVIGASI
USE CASE DIAGARAM
ACTIVITY DIAGRAM
SEQUENCE DIAGARAM
CLASS DIAGRAM
TAMPILAN HALAMAN APLIKASI

Tampilan Halaman Utama

Tampilan Halaman Crawling

TAMPILAN HALAMAN APLIKASI

Tampilan Halaman Preprocessing

Tampilan Halaman Hasil Case Folding

TAMPILAN HALAMAN APLIKASI

Tampilan Halaman Cleansing

Tampilan Halaman Stopword Removal

TAMPILAN HALAMAN APLIKASI
Tampilan Halaman Stemming

Tampilan Halaman Convert Emoticon

TAMPILAN HALAMAN APLIKASI
Tampilan Halaman Tokenisasi

Halamna Klasifikasi dan Presentase

TAMPILAN HALAMAN APLIKASI
Tampilan Halaman Uji Akurasi Sistem

Tampilan Halaman Grafik Hasil Klasifikasi

 KESIMPULAN
• Telah berhasil dibuat sebuah aplikasi analisis sentimen tweet dari twitter akun Mrt
Jakarta (@mrtjakarta) yang memiliki dua proses yaitu proses training dan proses
testing.
• Sistem analisis sentimen memiliki tahapan yaitu, melakukan crawling , kemudian
di proses melalui tahap preprocessing (case folding, cleansing, stopword removal,
stemming, convert emoticon, dan tokenisasi) selanjutnya data hasil preprocessing
akan di proses ke dalam tahap klasifikasi untuk diklasifikasikan ke dalam sentimen
positif atau negatif dengan menggunakan metode Naïve Bayes Classifier. Dan
untuk mengukur akurasi dari sistem yang dibuat dapat dilakukan uji coba
menggunakan confusion matrix. Kemudian hasil dari klasifikasi dibuat visualisasi
data berupa grafik histogram.
• Hasil implementasi dan pengujian pada analisis sentimen, dengan jumlah tweet
data latih sebanyak 603 tweet dan data uji sebanyak 72 tweet, maka didapatkan
akurasi sistem sebesar 95,13%. Dengan percobaan berskala dan diambil rata-rata
dengan data training dan data testing sebanyak 10 tweet.
 SARAN
• Dapat dilakukan pengembangan sistem lebih lanjut berupa, penambahan
jumlah data latih untuk mendapatkan hasil yang lebih akurat,
menambahkan fitur perbandingan persentase positif negatif
• Dapat memperindah tampilan web agar lebih menarik.
TERIMA KASIH