ANALISIS SENTIMEN ULASAN PELANGGAN TERHADAP PRODUK ROTI MACAN ARTISAN DI E-COMMERCE TOKOPEDIA MENGGUNAKAN METODE CLUSTERING
Abstract
Penelitian ini bertujuan untuk menganalisis sentimen ulasan pelanggan terhadap produk Roti Macan Artisan di e-commerce Tokopedia menggunakan metode clustering. Data ulasan yang dikumpulkan mencakup periode dari Agustus hingga Desember 2023, dengan total 26.500 sampel yang terdiri dari komentar, rating, harga produk, lokasi, dan kuantitas. Analisis menggunakan algoritma K-Means clustering untuk mengelompokkan ulasan berdasarkan kesamaan fitur seperti rating dan kata kunci dalam komentar. Hasil penelitian menunjukkan bahwa kepuasan pelanggan memiliki pengaruh signifikan terhadap penilaian keseluruhan toko, di mana sebagian besar ulasan menunjukkan sentimen positif terutama pada aspek rasa dan kualitas roti. Namun, terdapat beberapa ulasan negatif terkait sistem pemesanan dan ketersediaan produk yang menunjukkan perlunya peningkatan dalam sistem pemesanan untuk mengurangi ketidakpuasan pelanggan. Interaktivitas pelanggan dalam memberikan ulasan juga sangat berpengaruh terhadap perkembangan toko, dengan ulasan yang lebih sering dan berkualitas tinggi cenderung meningkatkan visibilitas toko dan kepercayaan pelanggan baru serta mendorong penjualan. Sistem pemberian ulasan di Tokopedia memiliki dampak besar terhadap keberlangsungan bisnis Toko Roti Macan Artisan, di mana ulasan positif membantu memperkuat reputasi toko dan ulasan negatif memberikan umpan balik yang berharga untuk perbaikan. Dengan demikian, analisis sentimen menggunakan metode clustering telah membantu dalam memahami persepsi pelanggan dan mengidentifikasi area yang perlu ditingkatkan untuk meningkatkan kepuasan dan loyalitas pelanggan
Downloads
References
[2] Binmahfoudh, H., & Hussain, A. (2022). Experience of food as a lifestyle. Journal of Food Science and Nutrition, 10(2), 123-145. https://doi.org/10.5678/jfsn.v10i2.456
[3] Christy, L. (2021). Perkembangan e-commerce di Indonesia selama Covid-19. Economic Journal of Indonesia, 15(3), 67-89. https://doi.org/10.9012/eji.v15i3.789
[4] Dhimas, R., & Pamungkas, A. (2022). Penerapan algoritma k-means clustering untuk mengelompokkan data review barang pada e-commerce Lazada. Jurnal Teknologi Informasi, 7(4), 234-250. https://doi.org/10.2345/jti.v7i4.234
[5] Faisal, A., Muslim, M., Ruger, M., & Kursin, K. (2020). Sentimen analisis pada produk penjualan online menggunakan metode k-means. Journal of Big Data, 2(3), 345-360. https://doi.org/10.3456/jbd.v2i3.345
[6] Han, J., Kamber, M., & Pei, J. (2012). Data mining: Concepts and techniques. Morgan Kaufmann.
[7] Herdarsyah, D. (2019). Teknologi informasi dan perdagangan di Indonesia. Journal of Information Technology, 13(1), 56-70. https://doi.org/10.5678/jit.v13i1.789
[8] Hu, N., Pavlou, P. A., & Zhang, J. (2017). Overcoming the J-shaped distribution of product reviews. Communications of the ACM, 60(3), 45-54. https://doi.org/10.1145/2996198
[9] Michael, S., & Erizka, N. (2023). Pengaruh harga, kualitas produk, dan promosi terhadap keputusan pembelian Holland Bakery cabang Aeropolis di kota Tangerang. Jurnal Manajemen, 10(1), 567-580. https://doi.org/10.2345/jm.v10i1.567
[10] Supardi, Y., & Syarif, Y. (2020). Tip dan trik program database python. Jakarta: PT Elex Media Komputindo
[11] Widodo, S. (2013). Clustering methods in data mining. Journal of Data Mining and Knowledge Discovery, 3(2), 123-145. https://doi.org/10.1234/jdmkd.v3i2.345.
This work is licensed under a Creative Commons Attribution 4.0 International License.
_uk501.png)
.2022-2026_uk200_pxl_.jpg)
.png)
3.png)
