UKRIMUKRIM

Infact: International Journal of ComputersInfact: International Journal of Computers

Analisis Sentimen Berbasis Aspek pada Produk atau Layanan sangat penting untuk meningkatkan kepuasan pelanggan. Penelitian ini menerapkan Topic Modeling menggunakan Latent Dirichlet Allocation (LDA) untuk mengidentifikasi aspek-aspek, kemudian menggunakan metode Lexicon Valence Aware Dictionary and Sentiment Reasoner (VADER) untuk menentukan sentimen pada aspek-aspek tersebut. Sumber data berupa ulasan pelanggan dari sebuah kedai es krim gelato di Taman Siswa, yang dikumpulkan dari Google Maps melalui metode web scraping menggunakan aplikasi Instant Data Scrapper. Hasil eksperimen menunjukkan bahwa metode LDA mengidentifikasi tiga aspek: Rasa, Tempat, dan Layanan. Pengukuran sentimen dengan VADER pada aspek Rasa menghasilkan sentimen positif sebesar 213%, negatif 60%, dan netral 218%. Aspek Tempat menghasilkan sentimen positif 32%, negatif 4%, dan netral 4%, sedangkan aspek Layanan memiliki sentimen positif 32%, negatif 3%, dan netral 3%. Secara keseluruhan, sentimen positif pada aspek Rasa lebih dominan dibandingkan sentimen negatif dan netral pada aspek Tempat dan Layanan.

Berdasarkan hasil penelitian, metode Topic Modeling dengan Latent Dirichlet Allocation (LDA) berhasil menghasilkan lima topik utama dan berhasil mengekstraksi tiga aspek utama yaitu rasa, tempat, dan layanan.Analisis sentimen menggunakan VADER menunjukkan bahwa aspek rasa memperoleh mayoritas ulasan positif (213 positif, 60 netral, 18 negatif), sedangkan aspek tempat dan layanan memiliki proporsi ulasan positif yang lebih rendah.Dengan demikian, dapat disimpulkan bahwa pelanggan Tempo Gelato Taman Siswa sangat puas dengan rasa es krim yang ditawarkan.

Penelitian lanjutan dapat mengeksplorasi bagaimana variasi geografis mempengaruhi hasil analisis aspek dengan memperluas kumpulan data ke beberapa outlet gelato di kota maupun wilayah lain, sehingga dapat menjawab pertanyaan: apakah faktor lokasi memodifikasi distribusi sentimen pada aspek rasa, tempat, dan layanan? Selain itu, diperlukan studi komparatif antara metode lexicon‑based seperti VADER dengan pendekatan berbasis model bahasa pra‑latih seperti BERT atau RoBERTa untuk menilai apakah pemahaman konteks yang lebih dalam meningkatkan akurasi deteksi sentimen pada ulasan yang mengandung bahasa gaul atau bahasa campuran. Selanjutnya, peneliti dapat menyelidiki dinamika temporal sentimen pelanggan dengan menganalisis perubahan pola sentimen selama periode tertentu, sehingga dapat merumuskan pertanyaan: bagaimana fluktuasi musiman atau acara khusus memengaruhi persepsi pelanggan terhadap masing‑masing aspek? Selain itu, penambahan anotasi manual pada subset data dapat membantu mengevaluasi keandalan metode ekstraksi aspek otomatis dan memberikan dasar bagi pengembangan dataset gold standard yang lebih representatif.

  1. Journal of Information Systems Engineering and Business Intelligence. aspect based sentiment analysis... doi.org/10.20473/jisebi.6.1.79-88Journal of Information Systems Engineering and Business Intelligence aspect based sentiment analysis doi 10 20473 jisebi 6 1 79 88
  2. Aspect Category Classification with Machine Learning Approach using Indonesian Language Dataset | Jurnal... doi.org/10.22146/jnteti.v10i3.1819Aspect Category Classification with Machine Learning Approach using Indonesian Language Dataset Jurnal doi 10 22146 jnteti v10i3 1819
Read online
File size857.02 KB
Pages6
DMCAReport

Related /

ads-block-test