Abstract:
Layanan transportasi online seperti Gojek dan Grab telah menjadi bagian penting
dari mobilitas masyarakat di Indonesia. Tingginya penggunaan layanan ini memicu
banyaknya opini publik yang tersebar di media sosial X, baik berupa apresiasi
maupun keluhan. Penelitian ini bertujuan untuk menerapkan text mining dan
metode Naïve Bayes dalam menganalisis dan memetakan sentimen publik terhadap
layanan transportasi online agar dapat dimanfaatkan sebagai bahan evaluasi kualitas
layanan berbasis data. Dataset yang digunakan berjumlah 1.930 tweet mengenai
Gojek dan Grab yang dikumpulkan dari Januari 2023 hingga Desember 2025, lalu
dilabeli secara manual ke dalam kelas positif dan negatif. Data diproses melalui
tahapan preprocessing (termasuk cleaning, case folding, tokenizing, stopword
removal, dan stemming), lalu dibobotkan menggunakan metode TF-IDF sebelum
diklasifikasikan menggunakan algoritma Multinomial Naïve Bayes dengan rasio
pembagian data latih dan uji sebesar 80:20. Hasil pengujian model menunjukkan
performa yang sangat baik dengan tingkat accuracy sebesar 87,31%, precision
89,53%, recall 83,24%, F1-score 86,27%, dan nilai ROC-AUC mencapai 0,9574.
Hasil pemetaan klasifikasi sentimen menunjukkan bahwa terdapat 923 tweet
(47,8%) bersentimen positif dan 1.007 tweet (52,2%) bersentimen negatif. Hal ini
membuktikan bahwa metode Naïve Bayes dengan pembobotan TF-IDF sangat
efektif dalam menganalisis opini teks, serta menunjukkan bahwa opini masyarakat
saat ini terhadap layanan transportasi online di Indonesia masih didominasi oleh
keluhan yang sedikit lebih besar dibandingkan apresiasi.
