Claim Missing Document
Check
Articles

Analisis SWOT dalam Pengembangan Usaha Restoran Berdasarkan Ulasan Pelanggan Berbasis Aspek DINESERV (Studi Kasus: Wang Li Heng) Syafrudin, Fatmah Fianka; Setiawan, Nanang Yudi; Wicaksono, Satrio Agung
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 9 (2026): September 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pertumbuhan industri kuliner yang semakin kompetitif mendorong restoran untuk memahami kebutuhan pelanggan melalui analisis ulasan daring. Restoran Wang Li Heng memiliki banyak ulasan di Google Maps sehingga analisis manual menjadi kurang efektif. Penelitian ini bertujuan melakukan analisis sentimen berbasis aspek menggunakan dimensi DINESERV, khususnya food quality dan service quality, serta memanfaatkan hasilnya sebagai dasar penyusunan analisis SWOT untuk pengembangan usaha restoran. Data penelitian berupa ulasan Google Maps yang diproses melalui tahapan translation, case folding, cleansing, normalization, tokenization, stopword removal, dan stemming. Pelabelan sentimen dan aspek dilakukan secara independen oleh expert dan Large Language Model (LLM), kemudian tingkat kesepakatan keduanya diukur menggunakan Inter-Annotator Agreement (IAA). Data direpresentasikan menggunakan TF-IDF, diklasifikasikan dengan Support Vector Machine (SVM), dan ketidakseimbangan kelas ditangani menggunakan SMOTE. Hasil penelitian menunjukkan bahwa model klasifikasi sentimen memperoleh akurasi sebesar 90,75%. Analisis SWOT menunjukkan bahwa food quality menjadi kekuatan utama restoran, terutama pada cita rasa, porsi, dan konsistensi menu, sedangkan kelemahan utama terdapat pada service quality, seperti pengaturan tempat duduk, keramahan staf, manajemen antrean, dan koordinasi pesanan daring.
Ekstraksi Topik Pertanyaan Kesehatan Mental pada Platform Quora Indonesia Menggunakan BERTopic Syifa, Hidayatus; Setiawan, Nanang Yudi; Wijoyo, Satrio Hadi
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 9 (2026): September 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kesehatan mental merupakan isu yang semakin banyak dibicarakan di Indonesia, khususnya di kalangan remaja dan mahasiswa. Platform tanya-jawab daring seperti Quora Indonesia menjadi ruang bagi masyarakat untuk menyampaikan pertanyaan dan kekhawatiran seputar kesehatan mental, namun volume teks yang besar dan tidak terstruktur menyulitkan analisis manual. Penelitian ini menerapkan BERTopic berbasis embedding IndoBERT untuk mengekstraksi topik dari kumpulan pertanyaan kesehatan mental di Quora Indonesia, mengevaluasi kinerja model menggunakan topic coherence dan topic diversity, serta memvalidasi relevansi topik melalui expert judgment oleh tenaga medis. Data dikumpulkan melalui web scraping dan diproses melalui tahap penghapusan duplikasi, pembersihan angka dan tanda baca, tokenisasi, stemming, dan penghapusan stopword sebelum dimodelkan menggunakan pipeline embedding, UMAP, HDBSCAN, dan c-TF-IDF. Pengujian pada beberapa konfigurasi jumlah topik menunjukkan bahwa konfigurasi 12 topik memberikan hasil terbaik dengan topic coherence 0,4581 dan topic diversity 0,7750. Topik yang terbentuk mencakup gangguan klinis seperti depresi, bipolar, skizofrenia, dan OCD, serta aspek emosional, sosial, keluarga, religius, dan perilaku overthinking. Validasi oleh seorang dokter umum menghasilkan skor rata-rata 4,5 dari 5, menunjukkan bahwa topik yang dihasilkan dinilai relevan dengan kondisi klinis yang umum dijumpai. Hasil ini menegaskan bahwa BERTopic dengan IndoBERT layak digunakan untuk analisis topik teks kesehatan mental berbahasa Indonesia dan dapat menjadi dasar pengembangan layanan edukasi serta intervensi yang lebih tepat sasaran.  
Analisis Sentimen Ulasan Pengguna Aplikasi Growtopia Terhadap Aspek Server, Gameplay, dan Keamanan Menggunakan Support Vector Machine Kurniawati, Indah; Setiawan, Nanang Yudi; Wijoyo, Satrio Hadi
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 10 (2026): Oktober 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan game online yang semakin pesat menjadikan ulasan pengguna sebagai salah satu sumber informasi untuk mengevaluasi kualitas layanan aplikasi. Growtopia sebagai salah satu game sandbox MMO memiliki komunitas pengguna yang besar dengan beragam ulasan yang mencerminkan pengalaman bermain pengguna. Oleh karena itu, diperlukan analisis sentimen yang mampu mengidentifikasi opini pengguna secara lebih spesifik berdasarkan aspek tertentu. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Growtopia berdasarkan tiga aspek utama Quality of Experience (QoE), yaitu server, gameplay, dan keamanan, menggunakan pendekatan Aspect-based Sentiment Analysis (ABSA) dengan algoritma Support Vector Machine (SVM) dan pembobotan TF-IDF. Sebanyak 4.546 data ulasan dari Google Play Store diproses melalui tahapan preprocessing teks, pelabelan manual, dan ekstraksi fitur TF-IDF. Aspek keamanan menunjukkan performa tertinggi dengan akurasi 92,96%, precision 0,89, recall 0,83, dan F1-score 0,86, diikuti aspek server (86,35%) dan gameplay (85,77%). Sentimen negatif paling dominan ditemukan pada aspek keamanan dan server. Secara keseluruhan, penelitian ini membuktikan bahwa kombinasi metode ABSA dan SVM efektif digunakan untuk menganalisis opini pengguna aplikasi Growtopia. Hasil penelitian diharapkan dapat memberikan wawasan bagi pengembang Growtopia dalam meningkatkan kualitas layanan serta menjadi referensi bagi penelitian selanjutnya di bidang analisis sentimen berbasis teks.
Klasifikasi Sentimen dan Pemetaan Aspek pada Ulasan Wisatawan Mancanegara Terhadap Kunjungan ke Trans Studio Bali Menggunakan Model Bert Salwa, Shafa Nathaniela; Wijoyo, Satrio Hadi; Setiawan, Nanang Yudi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol. 13 No. 5: Oktober 2026
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2026135

Abstract

Trans Studio Bali merupakan taman hiburan berkonsep indoor theme park di Denpasar, Bali yang ditujukan untuk menarik wisatawan lokal maupun mancanegara. Persentase kunjungan wisatawan mancanegara di Trans Studio Bali hanya sebesar 8,7%, jauh lebih rendah dibandingkan wisatawan lokal yang mencapai 91,3%. Penelitian ini bertujuan mengidentifikasi akar penyebab rendahnya kunjungan wisatawan mancanegara ke Trans Studio Bali melalui analisis sentimen pada ulasan di platform Google My Business. Penelitian ini menggunakan VADER untuk klasifikasi sentimen dan model berbasis BERT untuk melakukan pemodelan topik dan pemetaan aspek. BERTopic digunakan untuk pemodelan topik dan DistilBERT digunakan untuk membuat model pemetaan ulasan ke dalam aspek 4A Tourism Components. Hasil klasifikasi sentimen menunjukkan terdapat 409 ulasan positif dan 88 ulasan negatif. Pemodelan topik menghasilkan delapan topik yang terbagi ke dalam empat aspek 4A Tourism Components: Attractions (273 ulasan), Amenities (195 ulasan), Accessibility (17 ulasan), dan Ancillary (13 ulasan). Evaluasi model BERTopic menunjukkan nilai topic coherence sebesar 0,55 dan topic diversity sebesar 0,86, yang mengindikasikan topik cukup beragam meskipun koherensi dalam topik belum maksimal. Model DistilBERT untuk klasifikasi aspek mencapai akurasi terbaik pada split data 70:30 pada dataset setelah SMOTE dengan nilai akurasi sebesar 0,97. Hasil analisis sentimen divisualisasikan menggunakan cause mapping dan divalidasi melalui wawancara dengan pihak Trans Studio Bali. Hasil root cause analysis menunjukkan bahwa penyebab rendahnya kunjungan wisatawan mancanegara dipengaruhi oleh harga tiket, kualitas pelayanan, pengalaman bermain wahana, ketersediaan informasi, fasilitas umum, dan waktu antrean.   Abstract Trans Studio Bali is an indoor theme park located in Denpasar, Bali, designed to attract both local and international tourists. However, the percentage of foreign tourists visiting Trans Studio Bali is only 8,7%, lower than local visitors who make up 91,3%. This study aims to identify the root causes of the low percentage of foreign tourist visits through sentiment analysis of reviews collected from Google My Business. The sentiment classification process uses VADER, while topic modeling and aspect classification apply BERT-based models. BERTopic is used to extract topics from reviews, and DistilBERT is fine-tuned to classify reviews into The 4A Tourism Components. The result of sentiment analysis shows there are 409 positive reviews and 88 negative reviews. Topic modeling produces eight main topics mapped to the four aspects: Attractions (273 reviews), Amenities (195 reviews), Accessibility (17 reviews), and Ancillary (13 reviews). The BERTopic model evaluation indicates a topic coherence score of 0,55 and a topic diversity of 0,86, showing that the model generated diverse topics with moderate coherence. The DistilBERT aspect classification model achieved its best performance on the dataset after SMOTE balancing with a 70:30 data split, reaching an accuracy of 0,97. The sentiment and aspect classification results were visualized using cause mapping and validated through interviews with Trans Studio Bali stakeholder. Root cause analysis found that the low visits by foreign tourists are influenced by factors such as ticket prices, service quality, ride experiences, information availability, public facilities, and queue times.
Co-Authors Abhirama, Fauzan Akbar Adristi, Tikta Ahmad Afif Supianto Al-Hafidz, Jundullah Alfi Nur Rusydi Alfian Hakim Almas, Muhammad Fikri Almira Syawli Alyaa Nadira Amal, Muhammad Ikhlasul Amira, Nabila Noor Anandia, Nazwa Andi Reza Perdanakusuma, Andi Reza Anwar, Novriani Dewi Aqsho, Ziq Izza El Asiyah, Noor Leona Asyrofi, Moh. Yuslam Azpiranda, Novira Bayu Rahayudi Berliani, Afridha Bonaventura Julio Putra Nandika Damahindra, Rangga Andhito Diamanta, Ananda Dian Eka Ratnawati diniyah, zubaidah Djoko Pramono Dwija Wisnu Brata Edmund Pierre Purba, Geoffrey Fadhil, Adam Ghirvan Fadhilah, Irsya Salim Fajr, Saifulloh Achmad Faranisa, Puspa Ayu Farisi, Hariz Febriandirza, Arafat Firdaus, Muhammad Fariz Fitra Abdurrachman Bachtiar Fuadi, Muh. Rofif Rahman Hamas, radityo Haniyah, Rania Jilan Haq, Muhammad Arienal Hilal, Khaliffman Rahmat Husalie, Levin Vinnu Indah Kurniawati Intan Sartika Eris Maghfiroh Jannah, Nisa Usrifatul Khairani, Nadia Raisa Kirana, Melshita Ardia Kusuma, Salsabila Azzahra' Zulfa Listyawan, Bagas Raditya Nur Mahardika, Fawwaz Roja Marzuq, Rafly Dwi Maulana, M. Ighfar Maulidiyah Rizqiyani, Erlis Mochamad Chandra Saputra, Mochamad Chandra Mushowwiru, Mochammad Faza Pramudya Nadian, Muhammad Azhar Putra Niken Hendrakusma Wardani Niken Hendrakusuma Wardani, Niken Hendrakusuma Nur, Iqbal Taufiq Ahmad Prabandari, Putu Ayu Purnama Dyah Prakoso, Bondan Sapta Pramathalia Wulandari, Adila Pramudita, Julina Larasati Purnomo, Welly Putra, Muhammad Ishadireza Putri, Rizka Saudah Yunida Raditya Anwar, Diyang Rahmadina, Alishza Putri Rahmandita, Prasetya Naufal Ramadhani, T. Zalfa Raynaldy, Jerico Willy Reza Andria S Riswan Septriayadi Sianturi Rizquna, Rania Aulia Ryandra, Muhammad Salsabillah, Dinar Fairus Salwa, Shafa Nathaniela Saputra, Dion Ricky Saragih, Imanuel Nathaliando Sartika Eris Maghfiroh, Intan Sartika, Intan Sarwosri Sarwosri Satrio Agung Wicaksono Satrio Hadi Wijoyo Sembiring, Wira Tarumta Timothy Shakira, Talitha Agus Sihite, Steven Hot Asi Sitepu, Mikha Aziel Christian Sormin, Hartati Penta Angelina Suryawati, Endang Syafrudin, Fatmah Fianka Syifa, Hidayatus Tambing, Nathania Maerella Arungla'bi' Tambun, Lesnar Taqiyuddin, Ammar Yazid Vania Malinda Wibowo Viriya, Aurelius Alexaner Welly Purnomo Wibisono, Nusa Seldi Wibowo, Shinta Dewi Putri Widya Azzahra, Shellen Widyadhana, Fawwaz Kumudani Yanuardhana, Anugrah Daffa Yuditama, Alvan Alif Yusi Tyroni Mursityo Yuwana, R. Sandra Yuwana, Raden Sandra Zatmiko, Celvin Fahryan Dwi