ANALISIS SENTIMEN REVIEW CUSTOMER TERHADAP PERUSAHAAN EKSPEDISI JNE, J&T EXPRESS DAN POS INDONESIA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)

Nurul Aula, Munirul Ula, Lidya Rosnita

Abstract


Abstrak— Kepuasan customer adalah masalah yang harus diamati pada sebuah perusahaan, karena customer adalah alasan mengapa suatu perusahaan masih berdiri dan sukses. Perusahaan ekspedisi JNE, J&T, dan Pos Indonesia mempunyai akun twitter layanan customer yaitu @Jnecare, @J&texpressid dan @Posindonesia. Akun ini digunakan untuk layanan customer secara online yang disediakan untuk menyampaikan pendapat, kritik, saran atau keluhan pelanggan. Agar dapat mengolah komentar yang banyak tentu membutuhkan waktu yang lebih besar jika hanya dilakukan secara sederhana. Penelitian ini bertujuan untuk menganalisis sentimen perusahaan ekpedisi mana yang lebih unggul dari beberapa layanan jasa ekspedisi, metode yang akan digunakan yaitu metode Support Vector Machine (SVM). Berdasarkan hasil penelitian diperoleh performa tertinggi yaitu pada ekpedisi J&T Express menggunakan algoritma Support Vector Machine menghasikan accuracy sebesar 85%, precision sebesar 59.35%, recall sebesar 58.67%, dan f1-score sebesar 58.01% selanjutnya pada ekpedisi JNE menghasikan accuracy sebesar 82.29%, precision sebesar 54.54%, recall sebesar 55.83%, dan f1-score sebesar 54.97% sedangkan pada Pos Indonesia menghasikan accuracy sebesar 77.78%, precision sebesar 35.9%, recall sebesar 58.67%, dan f1-score sebesar 33.85%. Dari hasil perbandingan ketiga jasa ekspedisi tersebut terbukti bahwa algoritma SVM mampu menghasilkan performa yang tinggi karena tidak memiliki satupun nilai yang tidak wajar baik pada performa accuracy, precision, recall dan F1-Score.

Kata kunci: Sentimen, customer, ekspedisi, SVM

AbstractCustomer satisfaction is a problem that must be observed in a company, because customers are the reason why a company is still standing and successful. JNE, J&T and Pos Indonesia expedition companies have customer service twitter accounts, namely @Jnecare, @J&texpressid and @Posindonesia. This account is used for online customer service provided to convey opinions, criticisms, suggestions or customer complaints. In order to be able to process a lot of comments, of course it takes more time if it's only done in a simple way. This study aims to analyze which shipping company sentiment is superior to some courier services, the method to be used is the Support Vector Machine (SVM) method. Based on the results of the study, the highest performance was obtained on the J&T Express expedition using the Support Vector Machine algorithm resulting in an accuracy of 85%, a precision of 59.35%, a recall of 58.67%, and an f1-score of 58.01% then on a JNE expedition it produced an accuracy of 82.29%, a precision of 54.54%, recall of 55.83%, and f1-score of 54.97% while Pos Indonesia produced an accuracy of 77.78%, precision of 35.9%, recall of 58.67%, and f1-score of 33.85%. From the results of the comparison of the three shipping services it is proven that the SVM algorithm is capable of producing high performance because it does not have any unreasonable values in terms of accuracy, precision, recall and F1-Score performance.

Keywords: Sentiment, customer, expedition, SVM


Full Text:

PDF

References


Putri, D., Statistika, D., Matematika, F., & Data, S. (2019). Text Clustering Pada Akun Twitter Layanan Ekspedisi Jne , J & T , dan Pos Indonesia Menggunakan Metode Density-Based Spatial Clustering Of Applications With Noise ( Dbscan ). Jurnal Sains dan Seni ITS. Vol 8 (2), Hal 2–9. Https://Doi.Org/10.12962/j23373520.v8i2.49094.

Ika, N., Kalingara, P., Pratiwi, O. N., & Anggana, H. D. (2021). Analisis Sentimen Review Customer Terhadap Layanan Ekspedisi Jne Dan J & T Express Menggunakan Metode Naïve Bayes. Vol 8 (5), Hal 9035–9048.

Pratama, A., Wihandika, R. C., & Ratnawati, D. E. (2018). Implementasi algoritm support vector machine (SVM) untuk prediksi ketepatan waktu kelulusan mahasiswa. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer. Vol 2 (4), Hal 1704–1708.

Ilmawan, L. B., & Mude, M. A. (2020). Perbandingan Metode Klasifikasi Support Vector Machine dan Naïve Bayes Untuk Analisis Sentimen Pada Ulasan Tekstual di Google Play Store. Ilkom Jurnal Ilmiah. Vol 12 (2), Hal 154–161. Https://Doi.Org/10.33096/Ilkom.V12i2.597.

Matrix, C. (2016). Analisa Model Support Vector Machine Text mining Pada Komentar Positif dan Negatif. Jurnal String, Vol 1 (1), Hal 74–82.

A. Salam, J. Zeniarja, and R. S. U. Khasanah, “Analisis Sentimen Data Komentar Sosial Media Facebook Dengan K-Nearest Neighbor (Studi Kasus Pada Akun Jasa Ekspedisi Barang J&T Ekpress Indonesia),” Pros. SINTAK, pp. 480–486, 2018.

H. R. - AMIK BSI Bogor, “Penerapan Principal Component Analysis Dan Genetic Algorithm Pada Analisis Sentimen Review Pengiriman Barang Menggunakan Algoritma Support Vector Machine,” Evolusi J. Sains dan Manaj., vol. 5, no. 2, pp. 97–104, 2017, doi: 10.31294/evolusi.v5i2.3130.

Kevin, V., Que, S., Iriani, A., & Purnomo, H. D. (2020). Analisis Sentimen Transportasi Online Menggunakan Support Vector Machine Berbasis Particle Swarm Optimization. Jurnal Nasional Teknik Elektro dan Teknologi Informasi. Vol 9 (2), Hal 162–170.

Suharya, Y., Ramadhan, G., Informatika, T., Bandung, U. B., Informatika, T., & Bandung, U. B. (2021). Membangun Aplikasi Jasa Pengiriman Barang Menggunakan Zenziva Untuk Sms Gateway ( Studi Kasus Pt . Ninja Xpress Majaserta ). Jurnal Informatika. Vol 8 (1), Hal 28–34.

Asrianda, A., Risawandi, R., & Gunarwan, G. (2019). Determining Lectural Evaluation in Faculty of Engineering Malikussaleh University Using K-Nn. TECHSI - Jurnal Teknik Informatika, Vol 11 (2), 307. https://doi.org/10.29103/techsi.v11i2.1613

Novantirani, A., Kania Sabariah, M. S., & Effendy, V. (2015). Analisis Sentimen Pada Twitter Untuk Mengenai Penggunaan Transportasi Umum Darat Dalam Kota Dengan Metode Suppor. Vol 2 (1), Hal 1177-1183.

Budiman, A. A., & Widiksono, S. (2018). Aplikasi Pengolahan Data Untuk Menganalisa Penggunaan Hashtag Pada Twitter. Jurnal Gerbang. Vol 8 (2).

Nurul, S., Fitriyyah, J., Safriadi, N., & Pratama, E. E. (2019). Analisis Sentimen Calon Presiden Indonesia 2019 Dari Media Sosial Twitter Menggunakan Metode Naive Bayes. Jurnal Edukasi dan Penelitian Informatika. Vol 5 (3), Hal 279–285. Https://Doi.Org/10.26418/jp.v5i3.4368.

Winata, F., & Rainarli, E. (2016). Implementasi Cross Method Latent Semantic Analysis Untuk Meringkas Dokumen Berita Berbahasa Indonesia. Vol 15 (4). Hal 266–277.




DOI: https://doi.org/10.33143/jics.v9i1.2947

Refbacks

  • There are currently no refbacks.


This journal indexed by

Google Schoolari-Journalsi-FocusPortal Garuda