JOURNAL COMPUTINGJOURNAL COMPUTING

Journal of Information Technology AmperaJournal of Information Technology Ampera

Penelitian ini bertujuan menganalisis sentimen terhadap Klinik Natasha Skincare di Yogyakarta melalui ulasan Google Review. Data dikumpulkan dari ulasan pengguna yang mengunjungi klinik, dan analisis sentimen digunakan untuk mengevaluasi opini serta perasaan positif atau negatif dalam ulasan tersebut. Hasil analisis diharapkan membantu manajemen klinik memahami persepsi dan pengalaman pengguna, serta meningkatkan kualitas layanan. Penelitian ini juga menggunakan algoritma Support Vector Machine (SVM) untuk mengklasifikasikan sentimen ulasan, dengan tujuan memberikan wawasan mendalam tentang reputasi Klinik Natasha Skincare di Yogyakarta.

Penelitian ini menganalisis sentimen terhadap Klinik Natasha Skincare di Yogyakarta menggunakan Google Review dan algoritma SVM.Teknik web scraping efektif mengumpulkan banyak ulasan yang representatif, sementara proses pembersihan data memastikan kualitas tinggi untuk analisis.Algoritma SVM akurat dalam membedakan ulasan positif dan negatif, dan visualisasi data menggunakan wordcloud dan pie chart memberikan wawasan mendalam tentang sentimen pelanggan.Implementasi hasil penelitian dalam aplikasi web memungkinkan pemantauan sentimen pelanggan secara real-time, membantu manajemen klinik meningkatkan kualitas layanan dan kepuasan pelanggan.

Penelitian lanjutan dapat mengembangkan metode analisis sentimen dengan menggabungkan data dari berbagai platform (seperti Instagram atau TikTok) selain Google Review untuk mendapatkan gambaran lebih luas tentang persepsi publik. Selain itu, penelitian bisa fokus pada penggunaan teknik machine learning lain seperti Neural Network atau Deep Learning untuk meningkatkan akurasi klasifikasi sentimen. Terakhir, studi lanjutan dapat mengeksplorasi integrasi sistem otomasi analisis sentimen ke dalam platform manajemen klinik untuk memungkinkan respons cepat terhadap umpan balik pelanggan secara real-time. Hal ini akan membantu klinik tidak hanya memahami sentimen tetapi juga mengambil tindakan proaktif berdasarkan data yang diperoleh. Penelitian juga bisa mengevaluasi dampak perubahan strategi layanan terhadap perbaikan sentimen pelanggan melalui analisis longitudinal. Selain itu, pengembangan model prediktif yang mampu mengidentifikasi tren sentimen sebelumnya bisa menjadi arah penelitian baru. Studi lanjutan juga dapat mengeksplorasi perbandingan algoritma SVM dengan pendekatan berbasis NLP (Natural Language Processing) untuk mengetahui metode mana yang lebih efektif dalam konteks industri kecantikan. Penelitian juga bisa meneliti faktor-faktor demografis atau psikologis yang memengaruhi sentimen pelanggan terhadap layanan klinik. Selain itu, penggunaan teknik visualisasi data yang lebih interaktif, seperti dashboard real-time, dapat menjadi fokus penelitian lanjutan untuk memudahkan manajemen dalam pengambilan keputusan. Terakhir, penelitian dapat mengevaluasi keandalan model SVM dalam skenario data yang lebih besar atau dengan variasi bahasa yang lebih kompleks, seperti campuran bahasa Indonesia dan bahasa Inggris.

  1. Pemetaan Profil Mahasiswa Untuk Peningkatan Strategi Promosi Perguruan Tinggi Menggunakan Predictive... doi.org/10.30864/eksplora.v10i2.505Pemetaan Profil Mahasiswa Untuk Peningkatan Strategi Promosi Perguruan Tinggi Menggunakan Predictive doi 10 30864 eksplora v10i2 505
  2. Perbandingan Kinerja Algoritma Support Vector Machine dan K-Nearest Neighbor Terhadap Analisis Sentimen... journal.lppmunindra.ac.id/index.php/STRING/article/view/6715Perbandingan Kinerja Algoritma Support Vector Machine dan K Nearest Neighbor Terhadap Analisis Sentimen journal lppmunindra ac index php STRING article view 6715
  3. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas)i. analisis twitter berpengaruh covid social network... doi.org/10.29207/resti.v5i4.3160Jurnal RESTI Rekayasa Sistem dan Teknologi Informas i analisis twitter berpengaruh covid social network doi 10 29207 resti v5i4 3160
Read online
File size839.13 KB
Pages15
DMCAReport

Related /

ads-block-test