<![CDATA[Ketergantungan masyarakat yang tinggi terhadap konektivitas internet menuntut operator seluler seperti XL Axiata untuk terus memantau kualitas layanannya. Media sosial X menjadi saluran utama bagi pelanggan untuk menyampaikan keluhan secara real-time, namun data opini yang diperoleh berupa teks tidak terstruktur dan dipenuhi derau (noise) spam yang tinggi. Penelitian ini bertujuan mengklasifikasikan sentimen opini publik mengenai kualitas jaringan XL Axiata ke dalam kategori positif, negatif, dan netral secara sistematis. Pendekatan yang digunakan adalah kerangka kerja CRISP-DM dengan menerapkan metode penyaringan relevansi (relevancy filtering) berbasis aturan, pelabelan otomatis berbasis leksikon (lexicon-based labeling), ekstraksi fitur TF-IDF, dan algoritma Support Vector Machine (SVM) kernel linear. Dari 2.354 rekaman data mentah hasil penarikan (crawling), tahap penyaringan berhasil mengeliminasi 41,29% data spam dan menyisakan 1.382 opini organik berkualitas tinggi. Model SVM yang dibangun menggunakan pembagian data 70:30 menunjukkan kinerja klasifikasi yang sangat andal, dengan pencapaian akurasi keseluruhan sebesar 97,68% serta sensitivitas (recall) kelas negatif sebesar 0,997 dalam mendeteksi keluhan pelanggan. Sentimen negatif mendominasi opini sebesar 55,4%, berpusat pada isu gangguan jaringan dan kuota. Hasil pemodelan ini diintegrasikan ke dalam dashboard interaktif berbasis Streamlit untuk memfasilitasi pengambilan keputusan oleh manajemen. Kesimpulannya, kombinasi penyaringan relevansi yang ketat dan model SVM linear terbukti sangat efektif dalam menghasilkan analisis sentimen yang akurat, terstruktur, dan aplikatif dari data media sosial yang berderau tinggi.]]>
