Optimasi Layanan Perusahaan Online Travel Agency Berdasarkan Analisis Sentimen Customer di Media Sosial Menggunakan Metode Machine Learning

Dzulkarnain, Muhammad Rizki (2022) Optimasi Layanan Perusahaan Online Travel Agency Berdasarkan Analisis Sentimen Customer di Media Sosial Menggunakan Metode Machine Learning. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6032201034-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2024. Download (3MB) | Request a copy

Abstract

Berdasarkan data dari Asosiasi Penyelenggara Jasa Internet Indonesia (APJII), pengguna internet di Indonesia pada tahun 2019 -2020 (Q2) telah mencapai 196,7 juta pengguna. Hal ini menandakan bahwa telah terjadi penetrasi sebesar 73,3 persen dari total populasi Indonesia yakni 266,9 juta. Beberapa sektor pun telah beralih ke platform online digital yang terbukti jauh lebih efektif dan efisien. Salah satu sektor yang begitu massive dalam penggunaan platform digital online tersebut adalah sektor penyedia jasa perjalanan online atau online travel agency (OTA). Pesatnya peningkatan jumlah pengguna internet tentu juga seiring dengan peningkatan jumlah pengguna media sosial Dalam laporan Digital 2021: The Latest Insights Into The State of Digital disebutkan bahwa dari total penduduk di Indonesia, 170 juta atau sekitar 61,8 persen di antaranya telah menggunakan media sosial. Hal ini membuat user pengguna jasa OTA seringkali mengutarakan keluhan atau komplain melalui media sosial dalam hal ini twitter dan playstore review.
Media sosial twitter dan playstore review telah menyediakan data semua tweet dan review yang dapat diakses dengan keyword tertentu secara publik dengan platform bernama Twitter API (Application Programming Interface) dan Google Playstore API. Penelitian kali ini akan melakukan proses teks mining di media sosial menggunakan salah satu metode machine learning yaitu random forest. Metode ini digunakan untuk menganalisis dan mengklasifikasi sentimen di media sosial terhadap layanan di tiket.com di Indonesia. Hasil dari pengolahan analisis tesebut berupa model untuk memprediksi teks bermuatan negatif atau positif. Akurasi model yang telah didefinisikan tersebut akan di evaluasi menggunakan nilai confussion matrix dan Area Under Curve (AUC).
Model klasifikasi yang dihasilkan dapat dijadikan sebagai peringatan dini (early warning) tentang bagaimana sentimen yang terjadi di media sosial terhadap tiket.com. Selain itu juga dihasilkan beberapa rekomendasi berupa optimasi sumber daya manusia mengacu pada data hasil penelitian. Pada penelitian ini didapatkan 3 (tiga) model klasifikasi yang berbeda mengacu pada sumber data yang digunakan antara lain data twitter, data playstore, dan kombinasi keduanya. Model data twitter mendapatkan nilai akurasi sebesar 80.78% dan AUC sebesar 72% (Fair/Acceptable), model data playstore akurasi sebesar 84.58% dan AUC sebesar 83% (Good/Excellent), serta kombinasi keduanya akurasi sebesar 77.30% dan AUC sebesar 73% (Fair/Acceptable). Berdasarkan hasil dari penelitian kali ini dapat disimpulkan bahwa model dengan menggunakan data playstore merupakan model klasifikasi terbaik.
================================================================================================
Based on data from the Asosiasi Penyelenggara Jasa Internet Indonesia (APJII), an internet service providers association, Indonesian internet users in 2019-2020 have reached 196.7 million users. This indicates that there has been 73.3 percent penetration of the total population in Indonesia, namely 266.9 million. Several sectors have also switched to digital online platforms which have proven to be more effective and efficient. One of the most massive sectors using the online digital platform is the online travel agency (OTA). The increase of internet users directly in line with the increase of social media users. In the Digital 2021 report: The Latest Insights into The State of Digital, it is stated of the total population in Indonesia, 170 million or around 61.8 percent of them have used social media. Therefore, users of OTA services often express criticism or complaints through social media, in this case Twitter and Google Play Store Review.
Twitter has provided data on all tweets or reviews that can be accessed with certain keywords publicly. It can be accessed with a platform called Twitter API (Application Programming Interface) and Google Play Store API. This research will conduct a text mining process on social media using a machine learning method that is random forest. This method is used to analyze and classify user sentiment of the OTA’s services. The analysis result is a model to predict negative or positive text. The defined model accuracy will be evaluated using the value of the Confusion matrix and Area Under Curve (AUC).
The result of classification model can be used as an early warning how the sentiment on social media about tiket.com. In addition, several recommendations were made in the form of optimizing human resources referring to research data. In this study obtained 3 (three) different classification models referring to the data sources used, including twitter data, playstore data, and a combination of both. Twitter data model has an accuracy of 80.78% and AUC of 72% (Fair/Acceptable), Playstore data model has an accuracy of 84.58% and AUC of 83% (Good/Excellent), then the combination of both (twitter and plasytore data) has accuracy of 77.30% and AUC of 73%. (Fair/Acceptable). So that in this study it can be said that the model using Playstore data is the best classification model.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Online Travel Agency, sentiment analysis, machine learning, random forest, Area Under Curve
Subjects:	T Technology > T Technology (General) > T174 Technological forecasting T Technology > T Technology (General) > T58.6 Management information systems T Technology > TH Building construction > TH438.13 Building information modeling. Z Bibliography. Library Science. Information Resources > Z665 Library Science. Information Science
Divisions:	Faculty of Creative Design and Digital Business (CREABIZ) > Technology Management > 61101-(S2) Master Thesis
Depositing User:	Muhammad Rizki Dzulkarnain
Date Deposited:	24 Jan 2022 02:47
Last Modified:	24 Jan 2022 02:47
URI:	http://repository.its.ac.id/id/eprint/92450

Actions (login required)

View Item