Analisis Sentimen Indihome dan Starlink menggunakan Metode Naïve Bayes bagi PT. Sarimelati Kencana, Tbk dalam Pengambilan Keputusan

Dhea Gitawijaya; Arif Siswandi; Irfan Afrianto

doi:10.35315/dinamik.v30i2.10252

Dhea Gitawijaya Universitas Pelita Bangsa
Arif Siswandi Universitas Pelita Bangsa
Irfan Afrianto Universitas Pelita Bangsa

DOI: https://doi.org/10.35315/dinamik.v30i2.10252

Abstract

Perkembangan teknologi layanan internet di Indonesia memengaruhi berbagai sektor industri, termasuk sektor makanan di PT Sarimelati Kencana Tbk. Perusahaan awalnya menggunakan layanan IndiHome, namun menghadapi tantangan seperti tingginya biaya dan ketidakstabilan jaringan yang berdampak pada efisiensi operasional. Sebagai alternatif, layanan Starlink hadir dengan jaringan satelit yang menjangkau wilayah luas dan mendapat respons publik yang lebih positif. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap IndiHome dan Starlink menggunakan metode Naïve Bayes yang dievaluasi melalui K-Fold Cross Validation. Data dikumpulkan dari media sosial X (sebelumnya Twitter) dengan total 14.200 tweet (7100 tweet untuk IndiHome dan 7100 untuk Starlink), yang kemudian diproses melalui tahapan preprocessing seperti cleansing, tokenizing, stopword removal, dan stemming. Hasil pengujian menunjukkan bahwa metode Naïve Bayes memberikan akurasi terbaik pada data Starlink sebesar 83,74%, sedangkan pada IndiHome sebesar 73,31%. Analisis preferensi menunjukkan bahwa sentimen positif terhadap IndiHome sebesar 34%, sedangkan Starlink mencapai 47%.Temuan ini menunjukkan bahwa Starlink lebih unggul dalam persepsi publik dibandingkan IndiHome. Oleh karena itu, hasil penelitian ini dapat menjadi dasar pertimbangan strategis bagi PT Sarimelati Kencana Tbk. dalam memilih penyedia layanan internet yang lebih stabil, efisien, dan mendukung kelancaran operasional perusahaan.

References

1. Prasetiyo SM, Gustiawan R, Faarhat, Albani FR. Analisis Pertumbuhan Pengguna Internet Di Indonesia. J Bul Ilm Ilmu Komput dan Multimed [Internet]. 2024;2(1):65–71. Available from: https://jurnalmahasiswa.com/index.php/biikma
2. PADA LAYANAN INDIHOME PT TELKOM. 2023;
3. Dinamika H, Bisnis P. Strategi sinergi revolusioner starlink dan isp indonesia. 2023;
4. Braniwati M, Rahmawan B, Susilo CB, Reynaldo K, Sosial M, Sekolah P, et al. PERANCANGAN MOTION GRAPHIC TENTANG PENGARUH MEDIA SOSIAL BAGI PELAJAR. :63–77.
5. A MA, Alamsyah M, Arif MF. Analisis Sentimen Twitter Tentang Pinjaman Online di Indonesia Menggunakan Metode Random Forest.
6. Safira A, Hasan FN, Timur KJ, Classifier NB. PAYLATER MENGGUNAKAN METODE NAIVE BAYES. 1978;5(1):59–70.
7. Susanto A, Agung Dzulkarnain I, Studi Statistika P, Matematika Dan Ilmu Pengetahuan Alam F. Analisis Sentimen Data Twitter Topik Ekonomi Dan Industri Dengan Metode Naive Bayes Dan Random Forest. J Ilm Wahana Pendidikan, Oktober [Internet]. 2023;2023(20):59–65. Available from: https://doi.org/10.5281/zenodo.8398895
8. Wandani A. Sentimen Analisis Pengguna Twitter pada Event Flash Sale Menggunakan Algoritma K-NN, Random Forest, dan Naive Bayes. J Sains Komput Inform (J-SAKTI. 2021;5(2):651–65.
9. Mailoa FF. Analisis sentimen data twitter menggunakan metode text mining tentang masalah obesitas di indonesia. J Inf Syst Public Heal. 2021;6(1):44.
10. Qalbina GS, Asmara R, Padang UN. A L - D Y. 3:816–24.
11. Asiva Noor Rachmayani. No 主観的健康感を中心とした在宅高齢者における健康関連指標に関する共分散構造分析Title. 2015;6.
12. Pradana AI, Atina V. Teknik K-Fold Cross Validation untuk Mengevaluasi Kinerja Mahasiswa. 2024;239–48.
13. Siregar AP, Purba DP, Pasaribu JP. Implementasi Algoritma Random Forest Dalam Klasifikasi Diagnosis Penyakit Stroke. 2023;2(4).
14. Komputer JS. Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter. 2021;5(November 2019):697–711.
15. Wicaksana IWS. No Title.