PERBANDINGAN ANALISIS SENTIMEN NAIVE BAYES DAN LIWC PADA KEPUASAN PENGGUNA LAYANAN GOJEK (GOTO FINANCIAL)

ANDREA, YEFTA (2022) PERBANDINGAN ANALISIS SENTIMEN NAIVE BAYES DAN LIWC PADA KEPUASAN PENGGUNA LAYANAN GOJEK (GOTO FINANCIAL). S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (HAL COVER) 01 COVER.pdf Download (916kB) | Preview
Preview	Text (ABSTRAK) 02 ABSTRAK.pdf Download (168kB) | Preview
	Text (BAB I) 03 BAB 1.pdf Restricted to Registered users only Download (173kB)
	Text (BAB II) 04 BAB 2.pdf Restricted to Registered users only Download (263kB)
	Text (BAB III) 05 BAB 3.pdf Restricted to Registered users only Download (248kB)
	Text (BAB IV) 06 BAB 4.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) 07 BAB 5.pdf Restricted to Registered users only Download (122kB)
	Text (DAFTAR PUSTAKA) 08 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (268kB)
	Text (LAMPIRAN) 09 LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Customer satisfaction impacts customer retention. Thus, it is important for the service provider’s business development including for GoTo Financial which has a very large number of subscribers. Current technological advances have provided customers with many channels to submit complaints, criticisms, compliments, and all kinds of opinions to service providers. Not only through customer service agents, but social media like Twitter are also frequently used by customers to reach out to the provider. Google Play Store also has an Application Review feature that customers often use to express their experience using the application. This study analyzes the customer satisfaction level of GoTo Financial. Two methods namely Naive Bayes and Lexicon (LIWC) are employed to obtain three sentiment classes i.e., negative, neutral, and positive, with data obtained from Twitter and Google Play Store based on the most frequently complained topic through the company's customer service. With one topic and a limit of 1000 data, the results show that this company is proven to have many daily active customers. The results also suggest that Lexicon’s accuracy is low at 7.43% due to the large number of false negatives. In contrast, the Naive Bayes multinomial consistently shows high accuracy at 87.76% over Twitter data and 71.25% over Google Play Store data, making it a better method than Lexicon. Keywords : GoTo Financial, Naive Bayes, LIWC, Sentiment Analysis Kepuasan pelanggan adalah salah satu hal penting untuk perkembangan bisnis para penyedia layanan. Semakin pelanggan puas maka pelanggan akan terus menggunakan layanan tersebut. Kemajuan teknologi saat ini telah menghadirkan banyaknya media sarana bagi pelanggan dalam memberikan keluhan, kritik, pujian dan segala jenis opini terhadap penyedia layanan. Tidak hanya melalui layanan customer service, bahkan sosial media seperti twitter juga sering digunakan pelanggan menyampaikan opini dan keluhan mereka secara langsung. Tidak hanya sosial media saja, tetapi google play store juga digunakan sebagai media opini pelanggan melalui ulasan terhadap aplikasi jasa layanan. Termasuk GoTo Financial yang memiliki jumlah pelanggan yang sangat banyak. penyedia layanan ini tidak akan luput dari opini dan keluhan para pelanggannya. Penelitian ini menganalisis tingkat kepuasan pelanggan GoTo Financial dengan membandingkan dua metode yaitu Naive Bayes dan lexicon (LIWC) untuk memperoleh tiga kelas sentimen (negatif, netral dan positif) dengan data yang diperoleh dari media sosial twitter dan google play store berdasarkan topik yang paling banyak dikeluhkan oleh pengguna layanan melalui customer service perusahaan tersebut. Hasil penelitian menunjukan bahwa hanya dengan satu topik dan limitasi 1000 data saja, perusahaan ini terbukti memiliki banyak pelanggan aktif setiap harinya. Sedangkan untuk hasil akurasi pada data twitter lexicon memiliki tingkat akurasi yang rendah 7.43%, dikarenakan banyaknya false negative, penyebabnya karena banyaknya sentimen negatif yang hanya menyinggung dan bukan sedang membahas topik yang sesuai. Berbeda dengan Naive bayes multinomial menunjukan tingkat akurasi yang konsisten tinggi, 87.76% pada data twitter dan 71.25% pada data google play store membuatnya menjadi metode yang lebih baik dari lexicon. Kata Kunci : GoTo Financial, Naive Bayes, LIWC, Sentiment Analysis

Item Type:	Thesis (S1)
Call Number CD:	FIK/INFO. 22 202
Call Number:	SIK/15/23/020
NIM/NIDN Creators:	41521110084
Uncontrolled Keywords:	GoTo Financial, Naive Bayes, LIWC, Sentiment Analysis
Subjects:	000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika 100 Philosophy and Psychology/Filsafat dan Psikologi > 150 Psychology/Psikologi > 154 Subconscious and Altered States and Process/Psikologi Bawah Sadar > 154.6 Sleep Phenomena/Fenomena Tidur > 154.63 Dreams/Mimpi > 154.634 Analysis/Analisis 500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika > 518 Numerical Analysis/Analisis Numerik, Analisa Numerik > 518.1 Algorithms/Algoritma
Divisions:	Fakultas Ilmu Komputer > Informatika
Depositing User:	ADELINA HASNA SETIAWATI
Date Deposited:	04 Apr 2023 07:17
Last Modified:	04 Apr 2023 07:17
URI:	http://repository.mercubuana.ac.id/id/eprint/76054

Actions (login required)

View Item