Analisis Strengths, Weaknesses, Opportunities, And Threats Layanan Bakso Kota Cak Man Berdasarkan Hasil Pengelompokkan Ulasan Pelanggan

Diamanta, Ananda and Ir. Nanang Yudi Setiawan, S.T., M.Kom. and Bayu Rahayudi, M.T., M.M. (2025) Analisis Strengths, Weaknesses, Opportunities, And Threats Layanan Bakso Kota Cak Man Berdasarkan Hasil Pengelompokkan Ulasan Pelanggan. Sarjana thesis, Universitas Brawijaya.

Abstract

Peningkatan bisnis kuliner dalam beberapa tahun terakhir memicu persaingan yang semakin ketat dan kompetitif. Pelanggan memiliki akses yang lebih mudah untuk menilai berbagai produk dan layanan di media sosial, yang membuat mereka menjadi lebih kritis dalam memilih kuliner yang menarik dan berkualitas. Bakso Kota Cak Man, sebagai salah satu destinasi kuliner legendaris di Kota Malang juga tidak terlepas dari ulasan pelanggan. Meskipun rata-rata ulasan yang didapatkan Bakso Kota Cak Man pada google maps sudah cukup tinggi yaitu sebesar 4.4 dari 5, tetapi perlu diidentifikasi aspek yang mendasari skor tersebut, termasuk keunggulan yang patut dipertahankan dan area-area yang masih memerlukan perbaikan. Penelitian ini bertujuan menganalisis ulasan pelanggan Bakso Kota Cak Man yang terdapat pada google maps menggunakan metode analisis sentimen berbasis aspek yang memanfaatkan model IndoBERT. Sebelumnya dilakukan pelabelan awal sentimen menggunakan InSet Lexicon. Sedangkan klasifikasi aspek dalam penelitian ini dikelompokkan menggunakan pendekatan DINESERV yang fokus pada dimensi kualitas layanan. Untuk memudahkan analisis SWOT, penelitian ini menyusun kamus kategori internal dan eksternal. Kedua kamus tersebut akan dievaluasi secara manual dengan melibatkan domain expert. Hasil evaluasi kamus aspek menunjukkan akurasi sebesar 76%, sedangkan kamus kategori menunjukkan akurasi sebesar 86%. Hasil ini membuktikkan bahwa kamus yang dibuat sudah cukup valid untuk digunakan klasifikasi data. Untuk proses pelatihan model IndoBERT dilakukan dua kali percobaan pada masing-masing hyperparameter, yaitu pelatihan dengan menggunakan resampling (SMOTE) dan tanpa resampling. Hasil evaluasi menunjukkan bahwa model tanpa resampling memberikan performa yang lebih baik, dengan nilai F1-Score sebesar 0.9065, akurasi 93,09%, precision 91,30%, dan recall 90,00%. Hasil klasifikasi kemudian digunakan untuk mengidentifikasi SWOT dengan tujuan memudahkan penyusunan strategi peningkatan layanan.

English Abstract

The increase in the culinary business in recent years has triggered increasingly fierce and competitive competition. Customers have easier access to rate various products and services on social media, which makes them more critical in choosing interesting and quality culinary. Bakso Kota Cak Man, as one of the legendary culinary destinations in Malang City, is also inseparable from customer reviews. Although the average review obtained by Bakso Kota Cak Man at Google Maps is quite high at 4.4 out of 5, it is necessary to identify the aspects underlying the score, including the advantages that should be maintained and the areas that still require improvement. This research aims to analyze customer reviews of Bakso Kota Cak Man found on google maps using an aspect-based sentiment analysis method that utilizes the IndoBERT model. Previously, the initial sentiment labeling was done using InSet Lexicon. While the classification of aspects in this study is grouped using the DINESERV approach which focuses on the dimensions of service quality. To facilitate SWOT analysis, this study compiled a dictionary of internal and external categories. Both dictionaries will be evaluated manually by involving domain experts. The evaluation results of the aspect dictionary showed an accuracy of 76%, while the category dictionary showed an accuracy of 86%. These results prove that the dictionary created is valid enough to be used for data classification. For the IndoBERT model training process, two experiments were conducted on each hyperparameter, namely training using resampling (SMOTE) and without resampling. The evaluation results show that the model without resampling provides better performance, with an F1-Score value of 0.9065, accuracy of 93.09%, precision 91.30%, and recall 90.00%. The classification results are then used to identify SWOT with the aim of facilitating the preparation of service improvement strategies.

Item Type:	Thesis (Sarjana)
Identification Number:	052515
Uncontrolled Keywords:	analisis sentimen, IndoBERT, DINESERV, SMOTE, analisis SWOT, InSet Lexicon, confusion matrix.
Divisions:	Fakultas Ilmu Komputer > Teknologi Informasi
Depositing User:	S Sucipto
Date Deposited:	17 Feb 2025 06:30
Last Modified:	17 Feb 2025 06:30
URI:	http://repository.ub.ac.id/id/eprint/236881

Text (DALAM MASA EMBARGO) Ananda Diamanta.pdf Restricted to Registered users only Download (11MB)

Actions (login required)

View Item