Ekstraksi Ulasan Pelanggan Restoran dalam Menggali Aspek Layanan pada Google Review dan Tripadvisor sebagai Faktor Peningkatan Kualitas

Penulis

  • Dwija Wisnu Brata FILKOM Universitas Brawijaya
  • Welly Purnomo FILKOM Universitas Brawijaya
  • Achmad Nofandi FILKOM Universitas Brawijaya

DOI:

https://doi.org/10.32815/jitika.v18i1.1001

Abstrak

Ulasan pelanggan merupakan pandangan dan komentar yang diberikan oleh para pelanggan setelah mereka mengalami produk atau layanan. Ulasan pelanggan dapat menjadi sumber informasi berharga bagi pemilik, tetapi ada permasalahan tersendiri terkait ulasan yang menumpuk dan tidak sempatnya dalam membaca maksud isi ulasan, serta mencermati aspek apa yang mendapat sorotan pelanggan. Penelitian dilakukan menggunakan deep learning, pengumpulan data menggunakan teknik web scrapping dengan selenium tool berbasis python, diperoleh data sebanyak 2065 ulasan terdiri dari 1955 data google review dan 110 data tripadvisor. Aspek yang dibahas aspek kualitas pelayanan, kualitas makanan, lingkungan, dan harga dengan menggunakan algoritma Artificial Neural Network (ANN) dengan pembobotan kata menggunakan TF-IDF. Implementasi ketidakseimbangan dataset, diterapkan teknik random undersampling. Penyetelan hyperparameter dilakukan melalui fungsi GridsearchCV dari pustaka scikit-learn. Hasil pengujian model dievaluasi menggunakan confusion matrix, menghasilkan nilai akurasi 89%. Selanjutnya, dilakukan proses perankingan ulasan negatif untuk mengidentifikasi ulasan negatif yang paling sering diberikan pelanggan dan aspek yang menyertainya.

Unduhan

Data unduhan belum tersedia.

Referensi

Arsi, P., & Waluyo, R. (2021). Analisis Sentimen Wacana Pemindahan Ibu Kota Indonesia Menggunakan Algoritma Support Vector Machine (SVM). Jurnal Teknologi Informasi Dan Ilmu Komputer, 8(1), 147. https://doi.org/10.25126/jtiik.0813944.

Ching, M. R. D., & De Dios Bulos, R. (2019). Improving Restaurants’ Business Performance Using Yelp Data Sets through Sentiment Analysis. Proceedings of the 2019 3rd International Conference on E-Commerce, E-Business and E-Government - ICEEG 2019. https://doi.org/10.1145/3340017.3340018.

Dang, N. C., Moreno, M. N., & De La Prieta, F. (2020). Sentiment Analysis Based on Deep Learning: A Comparative Study. Electronics, 9(3), 483. https://doi.org/10.3390/electronics9030483.

Djufri, M. (2020). PENERAPAN TEKNIK WEB SCRAPING UNTUK PENGGALIAN POTENSI PAJAK (Studi Kasus pada Online Market Place Tokopedia, Shopee dan Bukalapak) (Vol. 13).

Gifari, O. I., Adha, M., Rifky Hendrawan, I., Freddy, F., & Durrand, S. (2022). Analisis Sentimen Review Film Menggunakan TF-IDF dan Support Vector Machine. JIFOTECH (JOURNAL OF INFORMATION TECHNOLOGY, 2(1).

Gunawan, D., Riana, D., Ardiansyah, D., Akbar, F., & Alfarizi, S. (2020). Komparasi Algoritma Support Vector Machine Dan Naïve Bayes Dengan Algotima Genetika Pada Analisis Sentimen Calon Gubernur Jabar 2018-2023. Jurnal Teknik Komputer AMIK BSI. https://doi.org/10.31294/jtk.v6i1.6866.

Imady, P. Al, Setianingsih, C., & Ruriawan, M. F. (2023). Deteksi Threat Dan Vulnerability Pada Unggahan Twitter Menggunakan Algoritma Naïve Bayes. E-Proceeding of Engineering, 10(1), 304–312.

Liliani, P. (2020). Analisis Pengaruh Kualitas Makanan Dan Kualitas Pelayanan Terhadap kepuasan pelanggan Dan Dampaknya Pada behavioral intention restoran top Yammie. Jurnal Bina Manajemen, 8(2), 18–48. https://doi.org/10.52859/jbm.v8i2.85

Maisat, Z., Darmawan, E., & Fauzan Dianta, A. (2023). Implementasi Optimasi Hyperparameter GridSearchCV Pada Sistem Prediksi Serangan Jantung Menggunakan SVM. Jurnal Ilmiah Sistem Informasi Unipdu, 13(1), 8–15. https://doi.org/10.26594/teknologi.v13i1.3098

Normawati, D., & Prayogi, S. A. (2021). Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter. In Jurnal Sains Komputer & Informatika (J-SAKTI (Vol. 5, Issue 2).

Nugraha, A. E., Rizal, S., & Pratiwi, N. K. C. (2022). Klasifikasi Penyakit Pada Tanaman Singkong Menggunakan Arsitektur VGGNET Berbasis Deep Learning.

Pamungkas, F., & Kharisudin, I. (2021). Analisis Sentimen dengan SVM, NAIVE BAYES dan KNN untuk Studi Tanggapan Masyarakat Indonesia Terhadap Pandemi Covid-19 pada Media Sosial Twitter. PRISMA, Prosiding Seminar Nasional Matematika, 4, 628-634

Samsir, Wiguna, C., Verawardina, U., Edi, F., & Watrianthos, R. (2021). Analisis Sentimen Pembelajaran Daring Pada Twitter di Masa Pandemi COVID-19Menggunakan Metode Naïve Bayes. JURNAL MEDIA INFORMATIKA BUDIDARMA, 5(1), 157–163. https://doi.org/10.30865/mib.v5i1.2604

Saputra, C. B., Muzakir, A., & Udariansyah, D. (2020). ANALISIS SENTIMEN MASYARAKAT TERHADAP #2019GANTIPRESIDEN BERDASARKAN OPINI DARI TWITTER MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER. Bina Darma Conference on Computer Science.

Sarker, I. H. (2021). Machine Learning: Algorithms, Real-World Applications and Research Directions. SN Computer Science, 2(3), 160. https://doi.org/10.1007/s42979-021-00592-x

Sartini. (2020). ANALISIS SENTIMEN TWITTER BAHASA INDONESIA MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK.

Satriajati, S., Bagus Panuntun, S., & Pramana, S. (2020). IMPLEMENTASI WEB SCRAPING DALAM PENGUMPULAN BERITA KRIMINAL PADA MASA PANDEMI COVID-19 Studi Kasus: Situs Berita detik.com.

Setiawan, A., Santoso, L. W., & Adipranata, R. (2020). Klasifikasi Artikel Berita Bahasa Indonesia Dengan Naive Bayes Classifier.

Suthaharan, S. (2016). Support Vector Machine (pp. 207–235). https://doi.org/10.1007/978-1-4899-7641-3_9.
Jurnal JITIKA volume 18 nomor 1 2024

Unduhan

Diterbitkan

2024-03-16

Cara Mengutip

Brata, D. W., Purnomo, W., & Nofandi, A. (2024). Ekstraksi Ulasan Pelanggan Restoran dalam Menggali Aspek Layanan pada Google Review dan Tripadvisor sebagai Faktor Peningkatan Kualitas. Jurnal Ilmiah Teknologi Informasi Asia, 18(1), 33–47. https://doi.org/10.32815/jitika.v18i1.1001

Terbitan

Vol 18 No 1 (2024): Volume 18 Nomor 1 (8)

Bagian

Artikel

Lisensi

Penulis mengirimkan naskah dan pengertian bahwa jika diterima untuk proses dipublikasi,  hak cipta dari artikel tersebut akan diberikan kepada jurnal ilmiah teknologi informasi asia. Jurnal ilmiah teknologi informasi asia dan Lp2m Stmik Asia Malang sebagai penerbit jurnal, komponen Hak cipta mencakup hak untuk mereproduksi dan mengirimkan artikel dalam semua bentuk dan media, termasuk cetak ulang, foto, mikrofilm, dan reproduksi serupa lainnya, serta terjemahannya.

Jurnal ilmiah teknologi infomasi asia, dan Lp2m ITB Asia Malang, beserta jajaran para redaksi berusaha keras untuk memastikan bahwa tidak ada data, opini, pernyataan yang salah atau menyesatkan ketika dipublikasikan di jurnal, dengan kondisi apapun, isi artikel dan iklan yang diterbitkan di Jurnal ilmiah teknologi infomasi asia adalah murni merupakan tanggung jawab masing-masing penulis dan pengiklan. Pengguna situs web ini akan dilisensikan dengan menggunakan materi dari situs web ini setelah Lisensi Internasional Creative Commons Attribution 4.0. Tidak ada biaya yang dibebankan. Silakan gunakan materi yang sesuai.

Anda bebas untuk:

Bagikan - salin dan sebarkan materi dalam media atau format apa pun

Adaptasi - remix, transformasikan, dan bangun berdasarkan materi untuk tujuan apa pun, bahkan secara komersial.

Pemberi lisensi tidak dapat mencabut kebebasan ini selama Anda mengikuti ketentuan lisensi