Semakin terkenalnya suatu rumah makan berkat ulasan pengunjung pada platform digital seperti Google Maps & Tripadvisor menjadi sumber informasi penting bagi pengunjung. Ulasan tersebut berisi banyak sekali penilaian dari pengalaman pengunjung. Namun, volume ulasan yang besar menyulitkan analisis manual, yang mengakibatkan kurang efektif dan efisien. Oleh karena itu, dibutuhkan pendekatan analisis sentimen menggunakan metode pembelajaran mesin. Penelitian ini mengambil studi kasus Rumah Makan Bebek Sinjay, salah satu kuliner populer di Bangkalan, Madura, yang banyak mendapatkan ulasan dari pengunjung diberbagai platform digital. Metode yang digunakan adalah Support vector Machine (SVM) yang merupakan algoritma pembelajaran mesin yang digunakan dalam analisis sentimen untuk mengklasifikasikan opini dalam sebuah teks. SVM bekerja dengan mencari hyperplane terbaik yang memisahkan kelas sentimen berdasarkan fitur teks yang diolah. Proses analisis dimulai dengan Scraping data dari Google Maps dan Tripadvisor kemudian hasil data Scraping tersebut dilakukan Cleaning Data kemudian melakukan labeling secara biner positif atau negatif pada ulasan, lalu dilanjut preprocessing data yang meliputi Case Folding, Remove Punctuation, Tokenization, Normalization, Stopword Removal, Stemming, dan ekstraksi fitur menggunakan teknik TF-IDF. Setelah itu, fitur-fitur tersebut digunakan untuk membangun representasi vektor dari teks yang akan dianalisis. Kemudian SVM digunakan untuk klasifikasi sentimen, yang menentukan apakah opini tersebut bersifat positif atau negatif. Kemudian model dievaluasi menggunakan Confusion Matrix, Accuracy, Precision dan Recall, serta F1-score. Penelitian ini menghasilkan akurasi yang cukup tinggi, yang diperoleh dari metode SVM dengan berbagai kernel, yaitu kernel linear, kernel RBF, kernel polynomial, dan kernel sigmoid. Nilai akurasi tertinggi didapat dari kernel sigmoid dengan nilai akurasi sebesar 89%, kemudian kernel terbaik kedua dari kernel RBF dengan nilai 88%, lalu kernel terbaik ketiga didapat dari kernel linear dengan nilai akurasi 87%, dan kernel terendah didapat dari kernel polynomial dengan nilai akurasi 83%. Dari hasil tersebut, kernel sigmoid dipakai untuk memprediksi data baru untuk mengetahui ulasan tersebut termasuk ke kelas positif atau kelas negatif, sehingga dapat membantu pengelola dalam memahami persepsi pelanggan dan meningkatkan kualitas produk serta layanan.


Deskripsi Lain

The increasing popularity of a restaurant thanks to visitor reviews on digital platforms such Google Maps & Tripadvisor has become an important source of information for visitors. These reviews contain numerous assessments of visitor experiences. However, the large volume of reviews makes manual analysis difficult, resulting in less effective and efficient. Therefore, a sentiment analysis approach using machine learning methods is needed. This research takes the case study of Bebek Sinjay Restaurant, one of the popular culinary spots in Bangkalan, Madura, which has received many reviews from visitors on various digital platforms. The method used is Support Vector Machine (SVM), a machine learning algorithm used in sentiment analysis to classify opinions in a text. SVM works by finding the best hyperplane that separates sentiment classes based on processed text features. The analysis process begins with scraping data from Google Maps and Tripadvisor, then the scraped data results are cleaned and then labeled binary positive negative in the reviews. Then, data preprocessing continues, including Case Folding, Punctuation Removal, Tokenization, Normalization, Stopword Removal, Stemming, and feature extraction using the TF-IDF technique. After that, these features are used to build a vector representation of the text to be analyzed. Then SVM is used for sentiment classification, which determines whether the opinion is positive negative. Then the model is evaluated using Confusion Matrix, Accuracy, Precision and Recall, and F1-score. This study produces quite high accuracy, obtained from the SVM method with various kernels, namely the linear kernel, RBF kernel, polynomial kernel, and sigmoid kernel. The highest accuracy value is obtained from the sigmoid kernel with an accuracy value of 89%, then the second best kernel is from the RBF kernel with a value of 88%, then the third best kernel is obtained from the linear kernel with an accuracy value of 87%, and the lowest kernel is obtained from the polynomial kernel with an accuracy value of 83%. From these results, the sigmoid kernel is used to predict new data to determine whether the review belongs to the positive negative class, thus helping managers in understanding customer perceptions and improving the quality of products and services.

• “KLASIFIKASI PENDAPAT MASYARAKAT DUNIA MAYA TERHADAP PARTAI POLITIK DENGAN METODE EXPECTATION MAXIMIZATION” (Study Kasus : Jejaring Sosial Twitter)
• Penilaian Uraian Otomatis Menggunakan Metode Max TF-IDF dan Dice Similarity
• TOPIC MODELLING MENGGUNAKAN DATA TWITTER DENGAN METODE LATENT SEMANTIC ANALYSIS
• ANALISIS SENTIMEN TERHADAP KEBIJAKAN PERKULIAHAN DARING PADA MASA COVID-19 MENGGUNAKAN METODE NAÏVE BAYES DAN SELEKSI FITUR INFORMATION GAIN
• Analisis Sentimen Kuliah Offline Pasca Covid 19 Menggunakan Naive Bayes dan Social Network Analysis