Perkembangan teknologi digital memberikan dampak yang sangat besar bagi dunia dunia, jumlah bandwidth yang digunakan telah tumbuh 45 kali lebih besar sejak tahun 2005. Setiap orang menjadi lebih terhubung dari sebelumnya, hal ini mendorong munculnya model bisnis baru, salah satunya adalah model bisnis sharing economy. Uber merupakan salah satu perusahaan yang paling sukses yang mengadopsi model bisnis ini.
Salah satu elemen penting dalam menjalankan bisnis di era globalisasi yang sangat cepat ini adalah pemahaman pelanggan. Dalam memahami pelanggan, salah satu cara yang bisa dilakukan perusahaan adalah menganalisa bagaimana sentimen pelanggan dan juga apa saja topik yang sering dibicarakan pelanggan mengenai Uber di media sosial. Twitter menjadi salah media sosial yang menjadi tempat pelanggan untuk mengungkapkan opini nya mengenai Uber.
Sentiment Analysis bisa menjadi solusi untuk permasalahan tersebut, sentimen analysis adalah salah satu bagian dari keilmuan klasifikasi teks yang mengelompokkan teks berdasarkan orientasi sentimen opini yang dikandungnya. Metode ini mampu menentukan apakah teks yang diberikan itu positif, negatif ataupun netral. Pada penelitian ini, untuk membuat analisa menjadi semakin komprehensif maka dilakukan juga pemodelan topik agar bisa mengetahui topik apa yang paling dominan yang dibicarakan di media sosial mengenai Uber.
Metode klasifikasi teks akan yang akan dilakukan dalam penelitian ini adalah K-Nearest Neighbor (KNN) dan juga memanfaatkan algoritma Latent Dirichlet allocation (LDA) dalam melakukan pemodelan topik.
Hasil penelitian yang dilakukan dari tanggal 10 Februari 2017 sampai dengan 28 Februari 2017 menunjukan bahwa sentimen negatif lebih mendominasi, dan salah satu topik paling dominan yang dibicarakan oleh pelanggan mengenai Uber adalah masalah sexual harrasment.
Kata kunci: Sentiment Analysis, K-Nearest Neighbor, topic modeling, Latent Dirichlet allocation, Uber