Analisis Ulasan Pelanggan Menggunakan Multinomial Naïve Bayes Classifier dengan Lexicon-Based dan TF-IDF Pada Formaggio Coffee and Resto

Abstract

Formaggio Coffee and Resto Tangerang menyajikan hidangan western dengan rasa yang disesuaikan pada selera masyarakat Indonesia. Adanya peningkatan jumlah restoran di Kota Tangerang setiap tahunnya membuat Formaggio Coffee and Resto harus memiliki keunggulan kompetitif dengan cara meningkatkan kepuasan pelanggan. Kepuasan pelanggan bisa didapatkan jika ekspektasi pelanggan terpenuhi. Pihak manajemen Formaggio menganggap kritik dan saran yang diberikan oleh pelanggan merupakan sebuah hal positif yang dapat meningkatkan kinerja mereka. Namun, banyaknya ulasan pelanggan yang tersebar di berbagai situs membuat pihak restoran sulit dalam mengelola pendapat pelanggan. Hal tersebut dapat diatasi dengan melakukan web scraping pada situs Traveloka, PergiKuliner, Zomato, dan Google Review, dimana data yang berhasil terkumpul adalah sebanyak 741 ulasan dengan rentang waktu mulai tahun 2018 hingga tahun 2021. Kemudian, salah satu cara untuk mendapatkan informasi dari ulasan pelanggan adalah dengan melakukan analisis sentimen menggunakan fitur kamus Indonesian Sentiment Lexicon (InSet Lexicon) dan pembobotan TF-IDF, serta algoritme klasifikasi Multinomial Naïve Bayes. Model klasifikasi selanjutnya diuji menggunakan Confusion Matrix dengan empat parameter, yaitu accuracy, recall, precision, dan f1-score. Didapatkan nilai rata-rata dari setiap parameter tersebut sebesar 95%, 68%, 85%, dan 72%. Hasil penelitian selanjutnya divisualisasikan ke dalam sebuah dashboard dan diuji menggunakan kuesioner System Usability Scale (SUS) dengan nilai akhir sebesar 67,5 yang berarti dashboard tersebut dapat diterima dengan baik oleh pihak manajemen Formaggio.