Analisis Sentimen Komentar Pengguna Instagram Terhadap @Jntexpress_Bali dengan Menggunakan Metode Naïve Bayes

Josephine Kayla Riwanda, Helen Helen, Aneesa Joenice Putri, Sylvia Herman, Achmad Yasser, Alvin Nicolas Gunadi, Viny Christanti Mawardi

Sari


Analisis sentimen komentar pengguna Instagram @jntexpress_bali dengan metode Naïve Bayes adalah penelitian yang bertujuan untuk memahami persepsi dan tanggapan pengguna terhadap layanan pengiriman J&T Express di wilayah Bali. Dalam penelitian ini, kami mengumpulkan dan menganalisis komentar yang ditemukan di postingan Instagram resmi @jntexpress_bali, dengan fokus pada komentar yang menyatakan ketidakpuasan terkait pengiriman paket yang tidak berhasil. Metode Naïve Bayes Digunakan untuk mengklasifikasikan sentimen dari komentar-komentar ini, yang dapat dibagi menjadi tiga kategori: positif, negatif, dan netral. Hasil analisis menunjukkan bahwa sebagian besar komentar mengandung sentimen negatif, yang mencerminkan ketidakpuasan pelanggan terhadap pengiriman paket yang tidak dapat terkirim dengan baik.Penelitian ini memberikan wawasan berharga bagi J&T Express Bali untuk meningkatkan layanan mereka. Dengan mengidentifikasi sentimen negatif ini, perusahaan dapat memfokuskan upaya perbaikan pada area yang diperlukan, seperti meningkatkan kehandalan pengiriman dan komunikasi dengan pelanggan. Dengan demikian, diharapkan bahwa hasil penelitian ini mampu memberikan peningkatan terhadap perusahaan untuk memperoleh kepuasan dari pelanggan dan meningkatkan reputasi mereka dalam industri logistik di wilayah Bali.

Teks Lengkap:

PDF

Referensi


jet.co.id (2023, September). Improving Delivery Service Quality, J&T Express Wins Indonesia Original Brand Award 2023. Diakses pada 29 September 2023, dari https://www.jet.co.id/news/news?show=197

Fahlevvi, M. R. (2022). Analisis Sentimen Terhadap Ulasan Aplikasi Pejabat Pengelola Informasi dan Dokumentasi Kementerian Dalam Negeri Republik Indonesia di Google Playstore Menggunakan Metode Support Vector Machine. Jurnal Teknologi Dan Komunikasi Pemerintahan, 4.

Nitami, M. T., & Februariyanti, H. (2022). Analisis Sentimen Ulasan Ekspedisi J&T Express Menggunakan Algoritma Naïve Bayes. Jurnal Manajemen Informatika & Sistem Informasi, 5. https://doi.org/10.36595/misi.v5i1

Jauhiainen, T., Lui, M., Zampieri, M., Baldwin, T., and Lind ́en, K. (2018). Automatic language identification in texts: A survey.

Jurafsky, D., Martin, J. H. (2020). Speech and Language Processing, Chapter: Naïve Bayes and Sentiment Classification.

Few, S., & Edge, P. (2007). Data visualization: past, present, and future. IBM Cognos Innovation Center, 1-12.

Hakim, B. (2021). Analisa Sentimen Data Text Preprocessing Pada Data Mining Dengan Menggunakan Machine Learning . Journal of Business and Audit Information Systems, 4. https://doi.org/http://dx.doi.org/10.30813/jbase.v4i2.3000

Rehatalanit, Y. L. R. (2016). Peran E-Commerce Dalam Pengembangan Bisnis . Jurnal Teknologi Industri https://doi.org/https://doi.org/10.35968/jti.v5i0.764




DOI: https://doi.org/10.31294/infortech.v5i2.20909

DOI (PDF): https://doi.org/10.31294/infortech.v5i2.20909.g6294

Refbacks

  • Saat ini tidak ada refbacks.


Dipublikasikan oleh LPPM Universitas Bina Sarana Informatika

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License