Di era digital saat ini, media sosial telah menjadi wadah utama bagi pelanggan untuk menyampaikan opini mereka terhadap suatu layanan atau produk. PT. Telekomunikasi Selular, sebagai salah satu penyedia layanan telekomunikasi terbesar di Indonesia, saat ini telah menerima banyak masukan dan keluhan dari pelanggan melalui platform seperti Twitter. Namun, jumlah data yang begitu besar membuat analisis opini pelanggan secara manual menjadi sulit dilakukan. Oleh karena itu, penelitian ini berfokus pada pemanfaatan teknologi klasifikasi teks berbasis Naïve Bayes untuk mengelompokkan opini pelanggan dan menampilkan hasilnya dalam bentuk heat map. Dengan pendekatan ini, perusahaan dapat dengan mudah mengidentifikasi wilayah yang memiliki tingkat kepuasan dan ketidakpuasan tinggi berdasarkan lokasi geografis pelanggan.
Penelitian ini dilakukan dengan mengumpulkan data opini pelanggan dari Twitter menggunakan Twitter API Stream pada periode Desember 2013, April 2014, dan Juni 2014. Data yang digunakan adalah tweet yang memiliki koordinat lokasi, sehingga dapat divisualisasikan dalam heat map. Setelah data dikumpulkan, tahap selanjutnya adalah praproses data, yaitu menghapus tweet yang tidak memiliki informasi lokasi dan mengidentifikasi kata-kata yang mencerminkan opini positif atau negatif. Selanjutnya, algoritma Naïve Bayes digunakan untuk mengklasifikasikan opini pelanggan berdasarkan kata-kata yang sering muncul dalam tweet mereka. Dengan metode ini, sistem dapat menentukan apakah suatu opini bersifat positif atau negatif dengan tingkat akurasi yang tinggi.
Setelah proses klasifikasi, hasilnya divisualisasikan dalam bentuk heat map menggunakan OpenGeo Suite. Heat map ini memungkinkan PT. Telekomunikasi Selular untuk melihat secara langsung daerah mana yang memiliki tingkat kepuasan tinggi dan daerah mana yang sering mengalami keluhan dari pelanggan. Dengan tampilan visual yang jelas, perusahaan dapat lebih mudah mengambil keputusan strategis, seperti meningkatkan infrastruktur di daerah dengan banyak keluhan atau mempertahankan layanan unggulan di daerah dengan kepuasan tinggi.
Berdasarkan hasil uji coba, sistem klasifikasi teks berbasis Naïve Bayes yang digunakan dalam penelitian ini memiliki tingkat akurasi sebesar 73% dan recall sebesar 91%. Hasil ini menunjukkan bahwa metode yang digunakan cukup efektif dalam mengidentifikasi opini pelanggan secara otomatis. Penggunaan heat map juga terbukti sangat berguna dalam menganalisis persebaran opini pelanggan berdasarkan lokasi geografis mereka.
Penelitian ini memiliki beberapa manfaat signifikan, terutama bagi perusahaan yang ingin meningkatkan hubungan dengan pelanggan melalui Customer Relationship Management (CRM). Dengan adanya sistem otomatis ini, PT. Telekomunikasi Selular dapat memahami dan merespons opini pelanggan dengan lebih cepat serta lebih efisien dalam mengelola keluhan atau umpan balik pelanggan. Selain itu, pemetaan kualitas layanan melalui heat map juga membantu perusahaan dalam mengidentifikasi wilayah yang memerlukan peningkatan infrastruktur atau layanan dengan lebih akurat.
Kesimpulan dari penelitian ini adalah bahwa kombinasi antara klasifikasi teks dan heat map dapat memberikan wawasan yang berharga bagi perusahaan dalam meningkatkan layanan pelanggan. Dengan menggunakan analisis data berbasis media sosial, perusahaan dapat lebih responsif terhadap kebutuhan pelanggan dan meningkatkan kepuasan mereka secara keseluruhan. Pendekatan ini juga menunjukkan bagaimana teknologi kecerdasan buatan dapat dimanfaatkan untuk memahami opini pelanggan dalam skala yang lebih luas dan membantu perusahaan mengambil keputusan yang lebih baik di masa depan.