PT PLN (Persero) sebagai penyedia layanan ketenagalistrikan milik negara memiliki tanggung jawab penting dalam memberikan kualitas pelayanan terbaik, mengingat listrik merupakan kebutuhan pokok masyarakat. Namun demikian, masih banyak keluhan publik yang menyoroti kurangnya responsivitas PLN, terutama yang disampaikan melalui platform X (sebelumnya Twitter). Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap kualitas layanan PLN yang diungkapkan di media sosial X, serta membandingkan performa algoritma Naïve Bayes dan K-Nearest Neighbor (KNN) dalam mengklasifikasikan sentimen menjadi kategori positif, negatif, dan netral. Penelitian ini menggunakan pendekatan Knowledge Discovery in Databases (KDD) yang meliputi tahapan pengumpulan data, preprocessing (case folding, tokenizing, filtering, stemming), transformasi dengan pembobotan TF-IDF, serta klasifikasi menggunakan algoritma Naïve Bayes dan KNN. Evaluasi dilakukan menggunakan confusion matrix untuk mengukur nilai akurasi, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa algoritma Naïve Bayes menghasilkan akurasi sebesar 87%, precision 88%, recall 86%, dan F1-score 87%. Sedangkan algoritma KNN menghasilkan akurasi sebesar 86%, precision 87%, recall 85%, dan F1-score 86%. Nilai-nilai ini menunjukkan bahwa Naïve Bayes sedikit lebih unggul dalam mengklasifikasikan sentimen publik terhadap layanan PLN. Hasil analisis ini diharapkan tidak hanya memberikan wawasan tentang persepsi publik terhadap kinerja layanan PLN, tetapi juga menjadi dasar bagi implementasi nyata, seperti peningkatan kecepatan respon terhadap keluhan pelanggan, perbaikan komunikasi digital, serta pengambilan kebijakan berbasis data opini masyarakat secara real-time. Penelitian ini juga dapat menjadi referensi bagi pengembangan lanjutan dalam bidang analisis sentimen berbasis machine learning.

S12140

INF 0167 2025

Bekasi

Tersedia