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
Diamanta, Ananda
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 Strengths, Weaknesses, Opportunities, And Threats Layanan Bakso Kota Cak Man Berdasarkan Hasil Pengelompokkan Ulasan Pelanggan Diamanta, Ananda; Setiawan, Nanang Yudi; Rahayudi, Bayu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 4 (2025): April 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Bakso Kota Cak Man, sebagai salah satu kuliner legendaris di Kota Malang, menghadapi tantangan dalam meningkatkan kualitas layanan. Meskipun rata-rata ulasan yang didapatkan pada google maps sudah cukup tinggi yaitu sebesar 4.4 dari 5, tetapi perlu diidentifikasi aspek yang mendasari skor tersebut. Penelitian ini bertujuan menganalisis ulasan pelanggan Bakso Kota Cak Man yang terdapat pada google maps menggunakan metode analisis sentimen berbasis aspek yang memanfaatkan model IndoBERT. Sebelumnya dilakukan pelabelan awal sentimen menggunakan InSet Lexicon. Sedangkan klasifikasi aspek dalam penelitian ini dikelompokkan menggunakan pendekatan DINESERV yang fokus pada dimensi kualitas layanan. Untuk memudahkan analisis SWOT, penelitian ini menyusun kamus kategori internal dan eksternal. Kedua kamus tersebut akan dievaluasi secara manual dengan melibatkan domain expert. Hasil evaluasi kamus aspek menunjukkan akurasi sebesar 76%, sedangkan kamus kategori menunjukkan akurasi sebesar 86%. Hasil ini membuktikkan bahwa kamus yang dibuat sudah cukup valid untuk digunakan klasifikasi data. Untuk pelatihan model IndoBERT dilakukan dua kali percobaan pada masing-masing hyperparameter, yaitu pelatihan dengan menggunakan resampling (SMOTE) dan tanpa resampling. Hasil evaluasi menunjukkan bahwa model tanpa resampling memberikan performa yang lebih baik, dengan nilai F1-Score 90,65%, akurasi 93,09%, precision 91,30%, dan recall 90,00%. Hasil klasifikasi kemudian digunakan untuk mengidentifikasi SWOT dengan tujuan memudahkan penyusunan strategi peningkatan layanan.
Co-Authors Bayu Rahayudi Nanang Yudi Setiawan