Analisis Sentimen Ulasan Konsumen Martabak Kubang Hayuda Menggunakan Support Vector Machine
Kata Kunci:
analisis sentimen, support vector machine, latent dirichlet allocation, root cause analysis, fishbone diagramAbstrak
Martabak Kubang Hayuda, sebuah restoran kuliner yang telah berdiri sejak 1988, menghadapi berbagai keluhan konsumen dalam berbagai aspek. Namun, evaluasi mendalam terhadap keluhan tersebut belum dilakukan karena keterbatasan dalam kemampuan mengolah dan menganalisis data ulasan konsumen. Penelitian ini bertujuan untuk menganalisis sentimen ulasan konsumen Martabak Kubang Hayuda berbasis aspek menggunakan algoritma Support Vector Machine (SVM) dan Latent Dirichlet Allocation (LDA). Data ulasan konsumen diambil dari Google Maps. LDA digunakan untuk memodelkan topik ulasan sehingga data ulasan dapat dikelompokkan ke berbagai aspek. Selanjutnya, SVM diterapkan untuk mengklasifikasikan seluruh data ulasan ke dalam sentimen positif dan negatif. Untuk mengidentifikasi akar permasalahan sentimen negatif, metode root cause analysis dengan visualisasi fishbone diagram digunakan. Proses analisis sentimen dilakukan dengan pengambilan data, text preprocessing, pembobotan data, pemodelan topik dengan LDA, pelabelan sentimen, klasifikasi sentimen dengan SVM, dan pengujian model SVM menggunakan confusion matrix. Pelabelan sentimen dilakukan menggunakan leksikon InSet, Generative Pre-trained Transformer (GPT), dan validasi peneliti. Hasil penelitian menunjukkan bahwa SVM mencapai tingkat accuracy sebesar 86% dalam mengklasifikasikan data ulasan. Hasil root cause analysis mengungkapkan bahwa terdapat 21 akar masalah yang didapatkan atas keluhan pelanggan yang tersebar di 4 aspek utama, yaitu kualitas makanan, lingkungan fisik, harga, dan kualitas pelayanan.
Kata kunci: analisis sentimen, support vector machine, latent dirichlet allocation, root cause analysis, fishbone diagram
Referensi
Brahimi, B., Touahria, M., & Tari, A. (2021). Improving sentiment analysis in Arabic: A combined approach. Journal of King Saud University-Computer and Information Sciences, 33(10), 1242-1250.
Putra, D. K., & Lusia, A. (2023, May). Pengaruh Promosi, Lokasi, Ulasan Produk, Dan Kemudahan Penggunan Aplikasi Terhadap Minat Beli Ulang Di Shopeefood. In Seminar Nasional Pariwisata Dan Kewirausahaan (SNPK) (Vol. 2, pp. 375-385).
Groot, W. (2021). Root cause analysis–what do we know?. Maandblad voor accountancy en bedrijfseconomie, 95(1/2), 87-93.
Helm, J. M., Swiergosz, A. M., Haeberle, H. S., Karnuta, J. M., Schaffer, J. L., Krebs, V. E., ... & Ramkumar, P. N. (2020). Machine learning and artificial intelligence: definitions, applications, and future directions. Current reviews in musculoskeletal medicine, 13, 69-76.
Iskandar, J. W., & Nataliani, Y. (2021). Perbandingan Naïve Bayes, SVM, dan k-NN untuk Analisis Sentimen Gadget Berbasis Aspek. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 5(6), 1120-1126.
Johnson, J. M., & Khoshgoftaar, T. M. (2019). Survey on deep learning with class imbalance. Journal of big data, 6(1), 1-54.
Mohammed, S. H., & Al-augby, S. (2020). Lsa & lda topic modeling classification: Comparison study on e-books. Indonesian Journal of Electrical Engineering and Computer Science, 19(1), 353-362.
Novarian, N., Khomsah, S., & Arifa, A. B. (2023). Topic Modeling Tugas Akhir Mahasiswa Fakultas Informatika Institut Teknologi Telkom Purwokerto Menggunakan Metode Latent Dirichlet Allocation. LEDGER: Journal Informatic and Information Technology, 2(1), 14-27.
Wiranto, W. and Uswatunnisa, M. R. (2022). Topic modeling for support ticket using latent dirichlet allocation. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 6(6), 998-1005. https://doi.org/10.29207/resti.v6i6.4542
Yohansyah, F., & Rodhiah, R. (2022). Pengaruh e-WOM dan Persepsi Nilai terhadap Keputusan Pembelian Shopeefood dengan Mediasi Kepercayaan. Jurnal Manajerial dan Kewirausahaan, 4(1), 89-98.
Brahimi, B., Touahria, M., & Tari, A. (2021). Improving sentiment analysis in Arabic: A combined approach. Journal of King Saud University-Computer and Information Sciences, 33(10), 1242-1250.
Putra, D. K., & Lusia, A. (2023, May). Pengaruh Promosi, Lokasi, Ulasan Produk, Dan Kemudahan Penggunan Aplikasi Terhadap Minat Beli Ulang Di Shopeefood. In Seminar Nasional Pariwisata Dan Kewirausahaan (SNPK) (Vol. 2, pp. 375-385).
Groot, W. (2021). Root cause analysis–what do we know?. Maandblad voor accountancy en bedrijfseconomie, 95(1/2), 87-93.
Helm, J. M., Swiergosz, A. M., Haeberle, H. S., Karnuta, J. M., Schaffer, J. L., Krebs, V. E., ... & Ramkumar, P. N. (2020). Machine learning and artificial intelligence: definitions, applications, and future directions. Current reviews in musculoskeletal medicine, 13, 69-76.
Iskandar, J. W., & Nataliani, Y. (2021). Perbandingan Naïve Bayes, SVM, dan k-NN untuk Analisis Sentimen Gadget Berbasis Aspek. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 5(6), 1120-1126.
Johnson, J. M., & Khoshgoftaar, T. M. (2019). Survey on deep learning with class imbalance. Journal of big data, 6(1), 1-54.
Mohammed, S. H., & Al-augby, S. (2020). Lsa & lda topic modeling classification: Comparison study on e-books. Indonesian Journal of Electrical Engineering and Computer Science, 19(1), 353-362.
Novarian, N., Khomsah, S., & Arifa, A. B. (2023). Topic Modeling Tugas Akhir Mahasiswa Fakultas Informatika Institut Teknologi Telkom Purwokerto Menggunakan Metode Latent Dirichlet Allocation. LEDGER: Journal Informatic and Information Technology, 2(1), 14-27.
Wiranto, W. and Uswatunnisa, M. R. (2022). Topic modeling for support ticket using latent dirichlet allocation. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 6(6), 998-1005. https://doi.org/10.29207/resti.v6i6.4542
Yohansyah, F., & Rodhiah, R. (2022). Pengaruh e-WOM dan Persepsi Nilai terhadap Keputusan Pembelian Shopeefood dengan Mediasi Kepercayaan. Jurnal Manajerial dan Kewirausahaan, 4(1), 89-98.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
