Penanganan keluhan merupakan hal yang mutlak pada sebuah perusahaan. Pos Indonesia merupakan BUMN yang bergerak dalam jasa pengiriman barang yang memanfaatkan twitter sebagai salah satu media layanan customer service. Disini admin akan menjawab dan menyelesaikan keluhan pelanggan yang mention atau direct message ke akun twitter @PosIndonesia secara manual. Salah satu kelemahan penyampaian keluhan melalui twitter adalah tweet berbentuk teks digital yang tidak terstruktur sehingga menyulitkan untuk menyalurkan ke bidang permasalahan yang ada untuk segera ditangani. Belum lagi banyaknya jumlah keluhan dan terdapatnya keluhan yang bermaksud sama dari beberapa pelanggan. Berdasarkan permasalahan tersebut, penelitian ini bertujuan mengelompokkan data tweet menjadi beberapa kategori keluhan yaitu keterlambatan, kesalahan sistem, gagal kirim, jaminan barang, pelayanan petugas, dan kecepatan respon. Metode yang digunakan pada penelitian ini yaitu feature extraction menggunakan term frequency–inverse document frequency (TF-IDF) dan klasifikasi menggunakan Support Vector Machine (SVM). Kemudian dibandingkan kernel linear, polynomial, dan RBF serta mencari parameter terbaik pada masing- masing kernel. Pengujian menggunakan 10-fold cross validation dengan mencari akurasi, presisi, recall, dan f1-score menggunakan confussion matrix. Hasil percobaan menunjukkan bahwa nilai rata-rata akurasi tertinggi menggunakan kernel linear yaitu 81,26% diikuti oleh kernel RBF 81,44% dan terakhir polynomial 67,12%. Sedangkan untuk precision, recall, dan f1-score nilai tertinggi yaitu menggunakan kernel linear yaitu masing- masing 90%, 89%, dan 89%. Sehingga dapat ditarik kesimpulan bahwa data keluhan pada tweet akun Pos Indonesia dapat diklasifikasikan dengan baik menggunakan kernel linear.
Kata kunci: klasifikasi text, twitter, keluhan, Support Vector Machine. tf-idf
