Analisis Sentimen untuk Mengetahui Kelemahan dan Kelebihan Pesaing Bisnis Rumah Makan Berdasarkan Komentar Positif dan Negatif di Instagram

Veronica Ambassador Flores; Lie Jasa; Linawati Linawati

doi:10.24843/MITE.2020.v19i01.P07

Veronica Ambassador Flores Teknologi Informasi
Lie Jasa Magister Teknik Elektro Universitas Udayana
Linawati Linawati Magister Teknik Elektro Universitas Udayana

##plugins.pubIds.doi.readerDisplayName## https://doi.org/10.24843/MITE.2020.v19i01.P07

Abstrak

Intisari—Merumuskan strategi pemasaran bagi bisnis rumah makan yang baru merintis ataupun sudah berjalan lama merupakan hal yang sangat penting untuk dilakukan. Menganalisis kelemahan maupun kelebihan pesaing bisnis termasuk salah satu strategi tersebut. Identifikasi kelemahan dan kelebihan dapat dilakukan dengan mengambil data dari komentar-komentar yang ada pada akun Instagram pesaing, dengan menggunakan Teknik Text Preprocessing. Text Preprocessing adalah algoritma pemrosesan teks, yang terdiri dari tahap Transform Cases, Filter Stopword, Filter Tokenize, dan Stemming. Instagram sendiri merupakan salah satu akun sosial media yang paling banyak digunakan sebagai salah satu media promosi di Indonesia. Metode lainnya yang dapat digunakan adalah Full Teks Search, metode ini dapat menganalisis pola yang terdapat pada komentar yang sudah di parsing untuk kemudian diklasifikasikan kedalam kategori sentimen positif, negatif, ataupun netral. Penelitian ini menyimpulkan bahwa sistem analisis sentimen ini dapat mengenali kelemahan (berdasarkan komentar negatif) dan kelebihan (berdasarkan komentar positif) secara otomatis dengan baik berdasarkan komentar pada akun Instagram milik pesaing bisnis rumah makan dengan hasil akurasi sebesar 85% dan nilai presisi sebesar 79%.

##plugins.generic.usageStats.downloads##

##plugins.generic.usageStats.noStats##

Referensi

[1] A. Y. Adom, I. K. Nyarko and G. N. K. Som, "Competitor Analysis in Strategic Management: Is it a Worthwhile Managerial Practice in Contemporary Times?," Journal of Resources Development and Management , vol. 24, 2016.
[2] I. Zulfa and E. Winarko, "Sentimen Analisis Tweet Berbahasa Indonesia dengan Deep Belief Network," IJCCS, vol. 11, no. 2, 2017.
[3] B. Gunawan, H. S. Pratiwi and E. E. Pratama, "Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes," Jurnal Edukasi dan Penelitian Informatika, vol. 4, no. 2, 2018.
[4] Napoleoncat, "Instagram users in IndonesiaNovember 2019," Napoleoncat, [Online]. Available: https://napoleoncat.com/stats/instagram-users-in-indonesia/2019/11. [Accessed 2 Desember 2019].
[5] MySQL, "Full-Text Search Functions," MySQL, [Online]. Available: https://dev.mysql.com/doc/refman/8.0/en/fulltext-search.html. [Accessed 28 November 2019].
[6] I. N. S. Paliwahet, I. M. Sukarsa and I. K. G. D. Putra, "Pencarian Informasi Wisata Daerah Bali menggunakan Teknologi Chatbot," LONTAR KOMPUTER, vol. 8, no. 3, pp. 144-153, December 2017.
[7] M. S. N. P. Dewa Ayu Putri Wulandari, "Pemanfaatan Big Data Media Sosial Dalam Menganalisa Kemenangan Pilkada," Majalah Ilmiah Teknologi Elektro, vol. 18, no. 1, 2019.
[8] P. S. M. Suryani, L. Linawati and K. O. Saputra, "Penggunaan Metode Naïve Bayes Classifier pada Analisis Sentimen Facebook Berbahasa Indonesia," Majalah Ilmiah Teknologi Elektro, vol. 18, no. 1, 2019.
[9] K. A. B. Permana, MadeSudarma and W. G. Ariastina, "Analisis Rating Sentimen pada Video di Media Sosial Youtube Menggunakan STRUCT-SVM," Majalah IlmiahTeknologi Elektro, vol. 18, no. 1, 2019.
[10] V. A. Kharde and S. Sonawane, "Sentiment Analysis of Twitter Data: A Survey of Techniques," International Journal of Computer Applications, vol. 139, no. 11, 2016.
[11] B. Nandi, M. Ghanti and S. Paul, "Text Based Sentiment Analysis," in Proceedings of the International Conference on Inventive Computing and Informatics, India, 2017.
[12] X. Fan, "Text Sentiment Analysis: A Review," in IEEE 4th International Conference on Computer and Communications, Beijing,, 2018.
[13] A. T. J. Harjanta, "Preprocessing Text untuk Meminimalisir Kata yang Tidak Berarti dalam Proses Text Mining," Jurnal Informatika Upgris, vol. 1, no. 11, 2015.
[14] R. Melita, V. Amrizal, H. B. Suseno and T. Dirjam, "Penerapan Metode Term Frequency Inverse Document Frequency (TF-IDF) dan Cosine Similarity pada Sistem Temu Kembali Informasi untuk Mengetahui Syarah Hadits Berbasis Web (Studi Kasus: Syarah Umdatil Ahkam)," Jurnal Teknik Informatika, vol. 11, no. 2, 2018.
[15] S. Qaiser and R. Ali, "Text Mining: Use of TF-IDF to Examine the Relevance of Words to Documents," International Journal of Computer Applications, vol. 181, no. 1, 2018.
[16] D. Wahyuningsih and S. E. T. Sami, "Pengembangan Smartphone Book dengan Metode Pattern Matching," Jurnal Ilmiah KOMPUTASI, vol. 16, no. 2, 2017.