Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Almas, Muhammad Fikri
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Sentimen Ulasan Konsumen Martabak Kubang Hayuda Menggunakan Support Vector Machine Almas, Muhammad Fikri; Setiawan, Nanang Yudi; Wijoyo, Satrio Hadi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 2 (2025): Februari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

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
Co-Authors Nanang Yudi Setiawan Satrio Hadi Wijoyo