PENERAPAN WORD N-GRAM DAN METODE NAIVE BAYES CLASSIFIER DALAM ANALISIS SENTIMEN REVIEW STARBUCKS

Abstract

Penelitian mengenai kepuasan pelanggan Starbucks dirancang untuk menganalisis tingkat kepuasan pelanggan berdasarkan ulasan yang diberikan. Penelitian ini dilakukan agar perusahaan dapat melakukan evaluasi guna mengidentifikasi faktor-faktor yang memengaruhi kepuasan pelanggan. Dengan demikian, kesetiaan pelanggan dapat terwujud jika mereka merasa puas dengan layanan yang diberikan oleh Perusahaan. Analisis sentimen adalah salah satu bidang penelitian dalam text mining yang bertujuan untuk mengelompokkan teks opini berdasarkan sentimen yang terkandung di dalamnya. Metode Naïve Bayes Classifier (NBC) memanfaatkan pendekatan statistik untuk melakukan inferensi induktif dalam menangani masalah klasifikasi. Salah satu keunggulan metode ini adalah kemampuannya untuk memerlukan sedikit data pelatihan dalam memperkirakan parameter yang dibutuhkan dalam proses klasifikasi. Berdasarkan hal tersebut, metode ini cocok digunakan dalam penelitian terkait kepuasan pelanggan Starbucks. Setelah melakukan serangkaian pengujian, disimpulkan bahwa Naïve Bayes Classifier efektif dalam mengklasifikasikan data teks, khususnya dalam penelitian ini yang terdiri dari ulasan pelanggan Starbucks. Dari 850 ulasan yang dianalisis, setelah proses pembersihan data, tersisa 672 ulasan yang dapat digunakan. Sentimen negatif mendominasi dengan 550 ulasan, sementara sentimen positif hanya sebanyak 122 ulasan. Uji akurasi menunjukkan hasil dengan nilai Accuracy 96%. Lalu diperoleh precision untuk ulasan positif sebesar 95%, precision untuk ulasan negatif sebesar 96%, recall untuk ulasan positif sebesar 84%, dan recall untuk ulasan positif sebesar 99%, F1-Score untuk ulasan posistif sebesar 89% dan F1-Score untuk ulasan negative sebesar 98%.