Rancangan Aplikasi Berbasis Dashboard Sebagai Analisis Sentimen Berbasis Aspek Tentang Kepuasan Pengguna Iconnet di Twitter Menggunakan Naive Bayes

Nur Aulia, Muhammad Andhika (2025) Rancangan Aplikasi Berbasis Dashboard Sebagai Analisis Sentimen Berbasis Aspek Tentang Kepuasan Pengguna Iconnet di Twitter Menggunakan Naive Bayes. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 2043211113-Undergraduate_Theses.pdf Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Dalam era digital yang berkembang pesat, ketergantungan pada layanan WiFi menjadi semakin vital untuk individu dan bisnis. Provider WiFi, seperti Iconnet, dihadapkan pada tekanan untuk menyediakan koneksi yang cepat dan andal, terutama di tengah peningkatan penggunaan aplikasi berbasis cloud, streaming, dan kerja jarak jauh. Penelitian ini bertujuan untuk mengatasi tantangan tersebut melalui analisis sentimen dan topic modeling untuk meningkatkan kualitas layanan. Metode Naive Bayes Classifier digunakan untuk mengklasifikasikan komentar pengguna di Twitter sebagai opini positif atau negatif, memberikan wawasan tentang penilaian kualitas layanan. Selain itu, Latent Dirichlet Allocation (LDA) diterapkan untuk mengidentifikasi topik-topik utama dalam umpan balik pengguna, mengungkap tema dan kekhawatiran dominan. Integrasi kedua pendekatan ini dirancang untuk memberikan panduan konkret bagi Iconnet dalam meningkatkan strategi layanan dan pengalaman pengguna. Penelitian ini juga menghasilkan dashboard interaktif yang menyajikan hasil analisis sentimen dan topic modeling secara visual, mempermudah tim Iconnet dalam memantau dan merespons hasil dengan efisien. Dengan demikian, penelitian ini diharapkan dapat membantu Iconnet dalam memperbaiki kualitas layanan, meningkatkan kepuasan pelanggan, dan memperkuat posisi mereka di pasar yang kompetitif.
=======================================================================================================================================
In the rapidly evolving digital era, reliance on WiFi services has become increasingly critical for both individuals and businesses. Providers like Iconnet face significant pressure to deliver fast and reliable connections, particularly as cloud applications, streaming, and remote work usage soar. This study aims to address these challenges through sentiment analysis and topic modeling to enhance service quality. The Naive Bayes Classifier is employed to classify user comments on Twitter as either positive or negative, offering insights into service quality perceptions. Additionally, Latent Dirichlet Allocation (LDA) is used to identify key topics within user feedback, revealing dominant themes and concerns. Integrating these approaches provides concrete guidance for Iconnet to refine service strategies and improve user experiences. The study also produces an interactive dashboard that visually presents sentiment and topic modeling results, facilitating efficient monitoring and response by Iconnet’s team. Thus, this research is expected to assist Iconnet in enhancing service quality, increasing customer satisfaction, and strengthening its competitive position in the market.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Dasbor Interaktif, Kepuasan Pelanggan, Latent Dirichlet Allocation (LDA), Naive Bayes, Analisis Sentimen, Wifi.
Subjects:	H Social Sciences > HA Statistics H Social Sciences > HA Statistics > HA29 Theory and method of social science statistics
Divisions:	Faculty of Vocational > 49501-Business Statistics
Depositing User:	Muhammad Andhika Nur Aulia
Date Deposited:	28 Jul 2025 06:48
Last Modified:	28 Jul 2025 06:48
URI:	http://repository.its.ac.id/id/eprint/122102

Actions (login required)

View Item