PENERAPAN METODE NAÏVE BAYES UNTUK MENGANALISIS SENTIMEN PUBLIK TERHADAP LAYANAN TRANSPORTASI ONLINE DI INDONESIA BERBASIS DATA MEDIA SOSIAL X

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.