Klasifikasi Customer Intent Untuk Mengetahui Tingkat Kepuasan Pelanggan Menggunakan Metode Support Vector Machine Pada Restoran Bakso President
| Main Author: | Ferlin, Julia |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/180600/1/Julia%20Ferlin.pdf http://repository.ub.ac.id/180600/7/Julia%20Ferlin.pdf http://repository.ub.ac.id/180600/ |
Daftar Isi:
- Banyaknya restoran bakso di kota Malang menyebabkan bertambah ketat nya persaingan yang membuat Bakso President harus mampu melakukan peningkatan strategi bisnis dalam upaya menjaga atau meningkatkan kepuasan pelanggan. Hingga kini, quality control yang dilakukan Restoran Bakso President dalam upaya menjaga atau meningkatkan kepuasan pelanggan hanya dengan melakukan penilaian secara subjektif oleh Ali selaku manajer dari Bakso President dan belum mendapatkan ataupun melakukan evaluasi berdasarkan ulasan dari media sosial. Ketidakteraturan informasi yang tersebar di media dapat berpengaruh terhadap pengambilan keputusan yang cenderung akan diambil secara subjektif. Maka dari itu, perlu dilakukan klasifikasi atas data atau informasi untuk membantu penyusunan informasi sebagai komponen pendukung untuk pengambilan keputusan. Intent classification adalah salah satu cara untuk membantu Bakso President dalam mengategorikan customer intent sebagai informasi pendukung dalam penyusunan keputusan strategi bisnis oleh Bakso President, dengan begitu pengambilan keputusan yang dilakukan oleh Bakso President bisa tepat sasaran. Klasifikasi customer intent dilakukan berdasarkan 2252 data ulasan yang dituliskan pelanggan pada situs TripAdvisor dan Google Review yang kemudian diklasifikasikan berdasarkan 3 kategori customer intent yaitu quit, direct, complaint intent, serta satu kelas lagi yang berisikan komentar tidak terindikasikan memiliki ketiga intent tersebut. Proses pengklasifikasian data pada penelitian ini menggunakan metode Support Vector Machine dengan pembobotan kata menggunakan algoritme TF-IDF (Term Frequency – Inverse Document Frequency) serta menggunakan algoritme Cross Validation dalam pembagian data uji dan data latih. Penelitian ini menghasilkan nilai Accuracy model sebesar 80% dengan rata – rata nilai Precision sebesar 66%, Recall sebesar 43,7%, dan F1-score sebesar 47%. Informasi yang dihasilkan dari analisa data kemudian divisualisasikan berupa tampilan dashboard yang berisikan informasi mengenai tren customer intent berdasarkan waktu, 10 komentar terbanyak berdasarkan customer intent serta hasil klasifikasi dari keseluruhan data. Visualisasi dashboard kemudian dilakukan pengujian dengan SUS (System Usability Scale) dan menghasilkan nilai usability sebesar 75 dengan 1 orang responden yaitu Manager dari restoran Bakso President. Nilai tersebut berarti bahwa dashboard telah memiliki nilai usability “Excellent” dengan arti tampilan dashboard telah diterima dengan baik oleh pengguna.