Analisis Sentimen Dan Pemodelan Topik Komentar Pengguna Jasa Layanan Ojek Online Menggunakan Latent Dirichlet Allocation (LDA) Dan Naive Bayes

Latar Belakang: Masalah pelayanan merupakan penunjang kepuasan pelanggan dan bukan merupakan hal yang sulit untuk dilakukan namun sering kurang diperhatikan oleh banyak perusahaan khususnya transportasi online. Dari kepuasan
konsumen maka secara tidak langsung akan mendorong konsumen tersebut untuk merekomendasikan suatu perusahaan atau aplikasi tersebut dengan masyarakat, sehingga secara tidak langsung akan meningkatkan citra perusahaan atau aplikasi
tersebut dimata masyarakat atau calon konsumen lainnya. Oleh karena itu, kualitas pelayanan harus menjadi fokus utama perhatian perusahaan karena dapat menciptakan kepuasan konsumen.
Tujuan: Tujuan yang akan di lakukan pada penelitian ini adalah membangun pemodelan topik komentar terkait jenis topik layanan yang sering di perbincangkan dan mencari nilai sentimen positif, dan negatif dari masing-masing topik layanan untuk perbedaan kualitas pelayanan pada konsumen dan kepuasan pelanggan pada Grab dan Gojek dengan serta membangun sistem aplikasi web dashboard.
Metode Penelitian: Metode yang digunakan pada penelitian ini adalah Latent Dirichlet Allocation (LDA) yang dikombinasikan dengan Naïve Bayes Classifier (NBC).
Hasil: Diperoleh hasil dari kedua platfrom topic coherence dengan jumlah topik ideal adalah 4 topik pada Gojek dan Grab terdapat 3 topik ideal. Setelah melakukan proses pemodelan topik maka dapat dilakukan proses testing NBC dengan hasil
mendapatkan nilai akurasi yang cukup baik yaitu data testing pada Gojek 82% serta data testing pada Grab 73%. Hasil tingkat kepuasan pelayanan sebesar 61 % lebih baik daripada Grab hanya sebesar 31 %, dibanding terbalik dengan tingkat kepuasan pelanggan yang dimana Grab lebih unggul dengan 3 % pengguna yang tidak puas, berbeda dengan Gojek yang lebih banyak pelanggan yang tidak puas sebanyak 5 %.
Kesimpulan: Pada penelitian ini berhasil membuat 4 topic modelling pada Gojek dan 3 topic modelling pada Grab menggunakan metode Latent Dirichlet Allocation (LDA) dan mendapatkan nilai akurasi data testing pada Gojek 82% serta data testing pada Grab 73%. baik melalui metode Naïve Bayes Classifier (NBC) sehingga pada penelitian ini berhasil mengkombinasikan antara kedua metode tersebut.