UMIUMI

METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi AkuntansiMETHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi

JNE dan J&T Express adalah dua perusahaan pengiriman terbesar dan terpopuler di Indonesia, mengakibatkan banyak opini masyarakat mengenai kualitas layanan mereka. Metode lexicon-based dengan kamus InSet diguanakan dalam penelitian ini, sebuah metode ilmiah sederhana di mana sistem menghitung bobot kata dan mengklasifikasikannya sebagai sentimen positif, negatif, dan netral. Proses analisis dimulai dengan pengumpulan data ulasan menggunakan teknik scraping, diikuti oleh text processing yang meliputi cleaning, case folding, normalisasi, tokenizing, stemming, dan stopword removal. Dari 3565 ulasan JNE dan 3967 ulasan J&T, hasil sentimen menunjukan mayoritas masyarakat beropini negatif terhadap pelayanan kedua jasa ekspedisi tersebut. Akurasi analisis mencapai 82% untuk data JNE dengan nilai presisi sentimen negatif 95%, sentimen positif 54%, sentimen netral 7% sedangkan sensitivitas sentimen negatif 83%, sentimen positif 82%, sentimen netral 15%. Data J&T memiliki akurasi sebesar 78% dengan nilai presisi sentimen negatif 97%, sentimen positif 28%, sentimen netral 4% sedangkan sensitivitas sentimen negatif 80%, sentimen positif 82%, sentimen netral 4%.

Terlihat bahwa model memiliki akurasi tinggi sebesar 82% untuk data JNE dan data J&T sebesar 78%.Secara keseluruhan model dapat mengklasifikasi sebagian data ulasan dengan benar namun hasil prediksi model dalam memprediksi kelas netral dan positif memiliki nilai persentase yang rendah.Sementara itu kemampuan model dalam memprediksi kelas positif sangat baik walaupun kemampuan model dalam memprediksi kelas netral sangat rendah.

Penelitian selanjutnya dapat mengeksplorasi teknik penyeimbangan data, seperti oversampling atau SMOTE, untuk meningkatkan akurasi prediksi kelas netral dan positif pada ulasan jasa ekspedisi. Selanjutnya, penting untuk membandingkan metode lexicon‑based dengan pendekatan pembelajaran terawasi modern, misalnya model BERT atau LSTM, guna menilai apakah akurasi dan kemampuan generalisasi dapat ditingkatkan secara signifikan. Terakhir, perlu dilakukan perluasan sumber data dengan mengumpulkan ulasan dari platform media sosial lain seperti Twitter dan Instagram, sehingga dapat dianalisis konsistensi sentimen antar platform serta memperkaya gambaran persepsi publik terhadap layanan JNE dan J&T Express.

  1. Analisis Sentimen Terhadap Jasa Ekspedisi Pos Indonesia Pada Sosial Media Twitter Menggunakan Naïve... doi.org/10.24252/shift.v2i2.34Analisis Sentimen Terhadap Jasa Ekspedisi Pos Indonesia Pada Sosial Media Twitter Menggunakan Nayve doi 10 24252 shift v2i2 34
  2. Feature Extraction using Lexicon on the Emotion Recognition Dataset of Indonesian Text | Ultimatics :... doi.org/10.31937/ti.v14i1.2540Feature Extraction using Lexicon on the Emotion Recognition Dataset of Indonesian Text Ultimatics doi 10 31937 ti v14i1 2540
  3. Perbandingan Akurasi Metode Lexicon Based Dan Naive Bayes Classifier Pada Analisis Sentimen Pendapat... ejournal.unesa.ac.id/index.php/jinacs/article/view/45641Perbandingan Akurasi Metode Lexicon Based Dan Naive Bayes Classifier Pada Analisis Sentimen Pendapat ejournal unesa ac index php jinacs article view 45641
Read online
File size670.62 KB
Pages10
DMCAReport

Related /

ads-block-test