Strategi Peningkatan Brand Reputation Aplikasi PLN Mobile berdasarkan Social Media Sentiment Analysis menggunakan Machine Learning

Riza, Novi Ainur (2023) Strategi Peningkatan Brand Reputation Aplikasi PLN Mobile berdasarkan Social Media Sentiment Analysis menggunakan Machine Learning. Masters thesis, Institut Teknologi Sepuluh Nopember.

	Text TESIS-NOVI AINUR RIZA 17.pdf Restricted to Repository staff only Download (3MB) | Request a copy
	Text 6032202071-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (3MB) | Request a copy

Abstract

Media sosial pada saat ini menjadi suatu media yang sangat populer bagi masyarakat di Indonesia untuk menyampaikan opini. Melalui media social, pengguna dapat dengan mudah mengungkapkan pengalamannya terhadap suatu produk, salah satunya adalah aplikasi PLN Mobile dari PT PLN (Persero). Aplikasi tersebut menjadi platform digital untuk memenuhi berbagai kebutuhan pelanggan terkait pelayanan ketenagalistrikan. Media sosial Twitter telah menyediakan data semua tweet dan review yang dapat diakses dengan keyword tertentu secara publik dengan platform bernama Twitter API (Application Programming Interface).
Penelitian kali ini akan menggunakan metode text mining dengan pendekatan word cloud, network explorer, jenis emosi, dan analisis sentimen yang dapat dipakai menganalisis opini pengguna. Tools yang digunakan adalah Orange Data Mining dengan mengaplikasikan prepocess text yang meliputi transformation, tokenization, normalization, dan filtering yang bertujuan agar teks bisa dianalisis. Metode yang digunakan untuk klasifikasi analisis sentimen opini pengguna Twitter adalah VADER: Lexicon- and Rule- Based Sentiment Analysis. Metode ini digunakan untuk menganalisis dan mengklasifikasi sentimen di media sosial terhadap aplikasi PLN Mobile di Indonesia. Model klasifikasi yang dihasilkan dapat dijadikan sebagai peringatan dini (early warning) tentang bagaimana sentimen yang terjadi di media sosial terhadap aplikasi PLN Mobile. Selain itu juga dihasilkan beberapa rekomendasi aspek manajerial mengacu pada data hasil penelitian. Berdasarkan proses analisis sentimen terhadap hasil crawling data dari media sosial Twitter menggunakan VADER, diketahui bahwa masyarakat/netizen memiliki respons positif yang lebih besar dibandingkan respon negatif dengan persentase respon positif sebesar 27% dan respon negatif sebesar 9%. Respon lainnya yakni respon netral sebesar 64% terhadap aplikasi PLN Mobile.
==================================================================================================================================
Social media is currently a trendy medium for people in Indonesia to express opinions. Through social media, users can easily express their experiences with a product, one of which is the PLN Mobile application from PT PLN (Persero). The application becomes a digital platform to meet various customer needs related to electricity services. Twitter social media has provided data on all tweets and reviews that can be accessed with certain keywords publicly with a platform called the Twitter API (Application Programming Interface).
This research will use the text mining method with the word cloud approach, network explorer, types of emotions, and sentiment analysis which can be used to analyze user opinions. The tools used are Orange Data Mining by applying text preprocessing which includes transformation, tokenization, normalization, and filtering which aims to analyze text. The method used for sentiment analysis classification of Twitter users' opinions is VADER: Lexicon- and Rule- Based Sentiment Analysis. This method is used to analyze and classify sentiment on social media towards the PLN Mobile application in Indonesia. The resulting classification model can be used as an early warning about how belief occurs on social media towards the PLN Mobile application. In addition, several recommendations on managerial aspects were also produced referring to the research data. Based on the sentiment analysis process on the results of crawling data from social media Twitter using VADER, it is known that the public/netizens have a greater positive response than negative responses with a positive response percentage of 27% and a negative response of 9%. Another response is a neutral response of 64% to the PLN Mobile application.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Aplikasi PLN Mobile, API Twitter, Sentiment Analysis, VADER
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines.
Divisions:	Interdisciplinary School of Management and Technology (SIMT) > 61101-Master of Technology Management (MMT)
Depositing User:	Novi Ainur Riza
Date Deposited:	03 Aug 2023 02:36
Last Modified:	03 Aug 2023 02:36
URI:	http://repository.its.ac.id/id/eprint/102414

Actions (login required)

View Item