Aplikasi analisis Twitter untuk membantu pemasaran di media sosial merupakan aplikasi berbasis web yang melakuka analisa dan pengukuran terhadap data tweet. Aplikasi dibuat untuk membantu marketer mendapatkan informasi dengan memanfaatkan opini-opini yang diberikan pelanggan melalui tweet. Informasi yang dapat diperoleh dari aplikasi adalah online reputation, customer need dan customer engagement. Dari Twitter, dikumpulkan data sebanyak 391 tweet berisi opini berbahasa inggris yang mengandung keyword "Starbucks"� atau "Starbucks" atau "Starbucks". Data yang terkumpul digunakan untuk mengukur online reputation, mengukur customer engagement, mengidentifikasi customer need dan menganalisa sentiment. Online reputation diukur berdasarkan 4 faktor yaitu volume, diversity, validity dan relevance. Customer engagement diukur dengan menggunakan Twitter engagement metrics. Customer need diidentifikasi dengan mengekstrak aspek-aspek mengenai produk dan layanan. Sentiment pada tweet dianalisa menggunakan aspect based sentiment analysis dan untuk mengklasifikasi sentiment digunakan algoritma naïve bayes. Aplikasi dibangun menggunakan bahasa pemograman Python dan framework AngularJS. Marketer dapat memperoleh informasi dari Aplikasi Analisis Twitter dengan memanfaatkan web browser. Sentiment analysis yang diimplementasikan pada aplikasi berhasil mencapai tingkat akurasi sebesar 78% dengan komposisi dataset 80% untuk traning dan 20% untuk testing. Diharapkan untuk pengembangan selanjutnya, aplikasi dapat mengolah data secara real-time dan lebih interaktif dalam menyajikan hasil pengolahan data sesuai dengan kebutuhan marketer. Kata Kunci: Twitter, Aspect-based Sentiment analysis, Online reputation, Twitter Engagement.

Twitter analytics application to help social media marketing is a web-based application that analyze and measure tweet data. This application is build to help marketer to obtain information from customer opinion on Twitter. This application provide information about online reputation, customer need and customer engagement. From Twitter, 391 English tweets that contain opinion and keyword "Starbucks"� or "Starbucks" or "Starbucks" are retrieved. Retrieved data is used to measure online reputation, measure customer engagement, identifying customer need and analyzing sentiment. Online reputation is measured by 4 factors, volume, diversity, validity and relevance. Customer engagement is measured using Twitter engagement metrics. Customer need is identified by extracting aspects about products and services. Sentiment in tweet is analyzed using aspect-based sentiment analysis and to classify sentiment, naïve bayes classification algorithm is used. Application developed using Python programming language and AngularJS framework. Marketer can get information from Twitter Analytics Application with the aid of web browser. Sentiment analysis implemented in this application reach 98% in accuracy with data set that has a composition of 80% training data and 20% test data. For further development, application is expected to have the ability for real-time data processing and provide a more interactive way to visualize information according to marketer needs. Keywords: Twitter, Aspect-based Sentiment analysis, Online reputation, Twitter Engagement.

http://digilib.polban.ac.id/gdl.php?mod=browse&op=read&id=jbptppolban-gdl-hannahafif-7437