Publisher

YP3AYP3A

Journal SATESI: Jurnal Sains Teknologi dan Sistem InformasiSATESI: Jurnal Sains Teknologi dan Sistem Informasi Abstract

Pertumbuhan pesat layanan transportasi berbasis aplikasi di Indonesia telah menciptakan sejumlah besar ulasan pengguna yang menyimpan informasi penting untuk pengembangan layanan. Namun, tantangan signifikan muncul dalam hal pemrosesan dan analisis data dalam skala besar. Penelitian ini memanfaatkan teknologi Hadoop dan Apache Spark untuk menganalisis sentimen ulasan transportasi online, dengan fokus pada ulasan pengguna Gojek. Dataset yang digunakan mencakup 1.880.112 ulasan yang diambil dari Kaggle dan Google Play Store. Metode penelitian meliputi preprocessing data menggunakan komputasi terdistribusi dengan Hadoop dan Spark, diikuti oleh pelabelan sentimen berdasarkan penilaian pengguna. Model analisis sentimen yang digunakan adalah Logistic Regression, dengan penyesuaian hyperparameter melalui Cross Validation. Hasil evaluasi menunjukkan akurasi model sebesar 80% yang menunjukkan kemampuan model dalam mengklasifikasikan sentimen dengan baik, didukung oleh implementasi PySpark sehingga memungkinkan proses training dan evaluasi dapat dijalankan secara efisien walaupun dengan dataset berukuran besar. Visualisasi teks dalam bentuk word cloud menunjukkan bahwa sentimen negatif sering kali terkait dengan kinerja aplikasi dan masalah dompet digital, sedangkan sentimen netral lebih berfokus pada layanan pengemudi. Di sisi lain, sentimen positif menekankan kepuasan pengguna terhadap layanan secara keseluruhan. Temuan dari penelitian ini menunjukkan efektivitas penggunaan Hadoop dalam pemrosesan analisis sentimen berskala besar, serta memberikan wawasan penting untuk perbaikan layanan transportasi online.

Conclusion

Penelitian ini berhasil menerapkan Hadoop dan PySpark untuk analisis sentimen skala besar pada 731.946 ulasan aplikasi Gojek, setelah preprocessing dari 1.Model Logistic Regression mencapai akurasi 80%, menunjukkan kemampuan klasifikasi yang baik untuk sentimen negatif dan positif, dengan ketidakseimbangan data netral diatasi melalui hyperparameter tuning.Hasil ini memberikan wawasan berharga untuk perbaikan layanan Gojek, termasuk stabilitas aplikasi dan kualitas pengemudi, serta menyarankan penelitian lanjutan menggunakan model deep learning seperti BERT atau Transformer untuk analisis kontekstual yang lebih mendalam.

Future Research

Melihat tantangan dalam pemahaman sentimen netral dan keterbatasan model Logistic Regression dalam konteks yang sangat kompleks, saran penelitian lanjutan dapat difokuskan pada pengembangan metodologi yang lebih mendalam. Pertama, sebuah studi dapat mengeksplorasi bagaimana metode pelabelan sentimen yang lebih canggih, seperti penggunaan anotasi berbasis pakar atau teknik pembelajaran aktif, dapat secara signifikan meningkatkan akurasi klasifikasi ulasan netral. Ini penting karena ulasan netral seringkali mengandung informasi kritis yang belum sepenuhnya termanfaatkan. Kedua, mengingat temuan terkait masalah spesifik seperti kinerja aplikasi dan fitur dompet digital, penelitian mendatang dapat menginvestigasi pola sentimen pengguna secara temporal, menghubungkannya dengan peristiwa-peristiwa penting seperti pembaruan aplikasi besar atau insiden layanan. Dengan demikian, kita dapat memahami bagaimana perubahan teknis atau operasional secara langsung memengaruhi persepsi dan kepuasan pengguna dari waktu ke waktu. Terakhir, untuk mengatasi tantangan dalam memahami konteks bahasa yang rumit seperti sarkasme atau ungkapan ambigu, penelitian bisa membandingkan efektivitas berbagai pendekatan pemodelan hibrida atau ensemble. Ini berarti mengintegrasikan kekuatan algoritma machine learning tradisional yang efisien dengan kemampuan pemahaman kontekstual yang lebih superior dari model deep learning seperti BERT atau Transformer. Tujuannya adalah untuk menciptakan model yang tidak hanya akurat tetapi juga mampu menafsirkan nuansa sentimen yang paling halus, yang pada akhirnya dapat memberikan wawasan yang lebih kaya dan dapat ditindaklanjuti bagi penyedia layanan transportasi online.

References

1. ANALISIS SENTIMEN KEBIJAKAN PENYELENGGARA SISTEM ELEKTRONIK LINGKUP PRIVAT MENGGUNAKAN PENALIZED LOGISTIC... ejournal3.undip.ac.id/index.php/gaussian/article/view/38188ANALISIS SENTIMEN KEBIJAKAN PENYELENGGARA SISTEM ELEKTRONIK LINGKUP PRIVAT MENGGUNAKAN PENALIZED LOGISTIC ejournal3 undip ac index php gaussian article view 38188
2. Dampak Kepercayaan Terhadap Loyalitas Pelanggan Melalui Kepuasan pada Layanan Transportasi Ojek Online... doi.org/10.55886/infokom.v8i2.931Dampak Kepercayaan Terhadap Loyalitas Pelanggan Melalui Kepuasan pada Layanan Transportasi Ojek Online doi 10 55886 infokom v8i2 931
3. Analisis Sentimen Menggunakan Algoritma Logistic Regression Pada Penerbangan Lion Air berdasarkan Ulasan... ejurnal.jejaringppm.org/index.php/jriti/article/view/60Analisis Sentimen Menggunakan Algoritma Logistic Regression Pada Penerbangan Lion Air berdasarkan Ulasan ejurnal jejaringppm index php jriti article view 60
4. Analisis Sentimen Terhadap Kualitas Pelayanan Aplikasi Gojek Menggunakan Metode Naive Bayes Classifier... doi.org/10.35957/jatisi.v10i1.2643Analisis Sentimen Terhadap Kualitas Pelayanan Aplikasi Gojek Menggunakan Metode Naive Bayes Classifier doi 10 35957 jatisi v10i1 2643

Metadata

File size	952.85 KB
Pages	10
DMCA	Report