Skripsi/Tugas Akhir

Analisis Sentimen Ulasan Pelanggan Pemesanan Tiket pada PO Borlindo dengan Metode Naïve Bayes

---

Rating Anda tentang Buku/Tulisan ini!

---

ABSTRAK
PO Borlindo menghadapi tantangan dalam menganalisis sentimen pelanggan dari ulasan yang diterima secara efisien dan akurat. Proses manual dalam mengklasifikasikan ulasan dan menilai tingkat kepuasan pelanggan membutuhkan waktu yang lama dan tidak efektif untuk memproses data dalam jumlah besar. Hal ini berdampak pada keterlambatan pengambilan keputusan dan menurunnya kemampuan perusahaan dalam merespons kebutuhan pelanggan. Penelitian ini bertujuan untuk mengembangkan sistem analisis sentimen yang dapat mengklasifikasikan ulasan pelanggan secara otomatis dan mengidentifikasi aspekaspek layanan yang mempengaruhi kepuasan pelanggan. Metode yang digunakan adalah Naïve Bayes dengan pendekatan pemrosesan bahasa alami (NLP) dan machine learning. Data ulasan pelanggan akan melalui tahap preprocessing yang meliputi case folding, stopwords removal, dan stemming, kemudian dilakukan pembobotan menggunakan TF-IDF sebelum diklasifikasikan ke dalam kategori positif, negatif, atau netral. Hasil penelitian dapat digunakan untuk meningkatkan kualitas layanan dan mempertahankan aspek yang sudah memuaskan dengan sentiment positif 216 (54,05%), negatif 162 (40,54%), dan netral 22 (5,41%).
Kata Kunci: Analisis Sentimen, Naïve Bayes, Pemrosesan Bahasa Alami, Ulasan Pelanggan, Machine Learning

ABSTRACT
PO Borlindo faces challenges in analyzing customer sentiment from reviews received efficiently and accurately. The manual process of classifying reviews and assessing customer satisfaction levels takes a long ime and is ineffective for processing large amounts of data. This results in delays in decision-making and decreases the company's ability to respond to customer needs. This research aims to develop a sentiment analysis system that can automatically classify customer reviews and identify aspects of service that affect customer satisfaction. The method used is Naïve Bayes with natural language processing (NLP) and machine learning approaches. Customer review data will go through a preprocessing stage which includes case folding, stopwords removal, and stemming, then weighted using TFIDF before being classified into positive, negative, or neutral categories. The results can be used to improve service quality and maintain aspects that are already satisfactory with positive sentiment 216 (54.05%), negative 162 (40.54%), and neutral 22 (5.41%).
Keywords: PO Borlindo, Sentiment Analysis, Naïve Bayes, Customer Reviews, NLP, Machine Learning, Service Quality

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 25-51 ILY a - 0462SI

Penerbit

Makassar : Universitas DIPA., 2025

Deskripsi Fisik

xiii + 60 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 25-51

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 22 Februari 2025

Subjek

Skripsi/Tugas Akhir
Natural Language Processing (NLP)
Algoritma Naive Bayes
Analisis Sentimen

Lampiran File