Publisher

UNAIUNAI

Journal 11th International Scholars Conference11th International Scholars Conference Abstract

E‑commerce telah menjadi salah satu layanan paling populer, terutama selama pandemi coronavirus (COVID‑19) yang membatasi aktivitas di luar rumah. Kepuasan pelanggan merupakan faktor penting bagi keberhasilan perusahaan e‑commerce. Oleh karena itu, penelitian ini bertujuan untuk menganalisis kepuasan pelanggan terhadap kualitas layanan Shopee, salah satu platform e‑commerce yang banyak digunakan publik. Analisis sentimen pada ulasan pelanggan dilakukan melalui tahapan pengumpulan data, pra‑pemrosesan, klasifikasi data, pemodelan, dan evaluasi. Algoritma Support Vector Machine (SVM), Random Forest, dan k‑Nearest Neighbor (k‑NN) digunakan untuk memodelkan kepuasan pelanggan. Sebanyak 6.000 ulasan dikumpulkan dari Google Play Store. Hasil menunjukkan SVM memiliki kinerja terbaik. Pada kelas positif, sensitivitas mencapai 81,7 %, spesifisitas 95,3 %, akurasi 90,8 %, dan MCC 0,79. Pada kelas netral, sensitivitas 91,8 %, spesifisitas 83,5 %, akurasi 86,3 %, dan MCC 0,721. Pada kelas negatif, sensitivitas 77,5 %, spesifisitas 96,6 %, akurasi 90,3 %, dan MCC 0,778. Dengan demikian, model yang dihasilkan dapat mengidentifikasi sentimen pelanggan secara akurat berdasarkan ulasan yang diberikan.

Conclusion

Penelitian ini menunjukkan bahwa analisis sentimen dengan tiga algoritma pembelajaran mesin—Random Forest, k‑NN, dan SVM—dapat digunakan untuk menilai kepuasan pelanggan terhadap layanan e‑commerce Shopee, dimana model SVM memberikan kinerja paling unggul dalam hal sensitivitas, spesifisitas, dan akurasi pada semua kelas sentimen.Hasil ini memberikan solusi praktis bagi platform e‑commerce untuk secara kontinu memantau dan meningkatkan kepuasan pelanggan melalui klasifikasi umpan balik yang akurat.Dengan demikian, Shopee dapat memanfaatkan temuan analisis sentimen untuk menanggapi kebutuhan pelanggan secara lebih efektif.

Future Research

Penelitian selanjutnya dapat mengeksplorasi penggunaan representasi bahasa berbasis transformer, seperti BERT, untuk meningkatkan akurasi klasifikasi sentimen pada ulasan Shopee, sehingga dapat menguji apakah model berbasis konteks memberikan performa yang lebih baik dibandingkan SVM tradisional. Selain itu, studi komparatif dapat dilakukan dengan mengumpulkan ulasan dari platform e‑commerce lain, misalnya Tokopedia dan Bukalapak, untuk menilai sejauh mana model yang dikembangkan dapat digeneralisasikan lintas platform dan mengidentifikasi faktor‑faktor unik yang memengaruhi kepuasan pelanggan masing‑masing. Selanjutnya, analisis longitudinal dapat diterapkan untuk mempelajari perubahan sentimen pelanggan seiring waktu, khususnya sebelum dan setelah pandemi COVID‑19 atau setelah pembaruan besar pada aplikasi, guna memahami dinamika kepuasan dan menginformasikan strategi perbaikan layanan yang lebih responsif. Dengan tiga arah penelitian ini, diharapkan dapat memperkaya pemahaman tentang teknik analisis sentimen yang lebih robust, meningkatkan relevansi praktis bagi berbagai platform, serta mendukung keputusan manajerial berbasis data yang lebih tepat.

References

1. One moment, please.... moment please wait request verified jurnal.polgan.ac.id/index.php/sinkron/article/view/11408One moment please moment please wait request verified jurnal polgan ac index php sinkron article view 11408
2. Implementation of K-Nearest Neighbor (K-NN) Algorithm For Public Sentiment Analysis of Online Learning... doi.org/10.22146/ijccs.65176Implementation of K Nearest Neighbor K NN Algorithm For Public Sentiment Analysis of Online Learning doi 10 22146 ijccs 65176
3. A survey on sentiment analysis methods and approach | IEEE Conference Publication | IEEE Xplore. survey... doi.org/10.1109/ICoAC.2017.7951748A survey on sentiment analysis methods and approach IEEE Conference Publication IEEE Xplore survey doi 10 1109 ICoAC 2017 7951748
4. Sentiment Analysis Using Maximum Entropy on Application Reviews (Study Case: Shopee on Google Play) |... doi.org/10.26555/jiteki.v5i1.13087Sentiment Analysis Using Maximum Entropy on Application Reviews Study Case Shopee on Google Play doi 10 26555 jiteki v5i1 13087

Subjects

1. #customer satisfaction#customer satisfaction
2. #teknik elektro#teknik elektro

Metadata

File size	230.79 KB
Pages	10
Short Link	https://juris.id/p-mG
Lookup Links	Google ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCA	Report