Analisis Sentimen Terhadap Klinik Natasha Skincare di Yogyakarta Dengan Metode Google Review
DOI:
10.51519/journalita.v5i1.556Keywords:
Analisis sentimen, Google Review, Natasha Skincare, Klinik, YogyakartaAbstract
Penelitian ini bertujuan menganalisis sentimen terhadap Klinik Natasha Skincare di Yogyakarta melalui ulasan Google Review. Data dikumpulkan dari ulasan pengguna yang mengunjungi klinik, dan analisis sentimen digunakan untuk mengevaluasi opini serta perasaan positif atau negatif dalam ulasan tersebut. Hasil analisis diharapkan membantu manajemen klinik memahami persepsi dan pengalaman pengguna, serta meningkatkan kualitas layanan. Penelitian ini juga menggunakan algoritma Support Vector Machine (SVM) untuk mengklasifikasikan sentimen ulasan, dengan tujuan memberikan wawasan mendalam tentang reputasi Klinik Natasha Skincare di Yogyakarta.
This study aims to analyze sentiments towards Natasha Skincare Clinic in Yogyakarta through Google Reviews. Data was collected from reviews by users who visited the clinic, and sentiment analysis was used to evaluate the positive or negative opinions and feelings contained in these reviews. The results of this analysis are expected to help the clinic management understand user perceptions and experiences, and to improve the quality of services provided. This study also employs the Support Vector Machine (SVM) algorithm to classify the sentiments of the collected reviews, aiming to provide deeper insights into the reputation of Natasha Skincare Clinic in Yogyakarta.
References
Y. S. Zebua, A. B. Ndraha, Y. Zalukhu, dan Y. Mendrofa, “Analisis Pemanfaatan Teknologi Informasi Taspen Kepada Peserta Di Kantor Pt. Taspen (Persero) Kantor Cabang Kepulauan Nias,” JMBI UNSRAT (Jurnal Ilm. Manaj. Bisnis dan Inov. Univ. Sam Ratulangi)., vol. 10, no. 3, hal. 2543–2557, 2023, doi: 10.35794/jmbi.v10i3.54537.
I. Hartina, N. Nurmalasari, dan T. Hidayat, “Penerapan Metode Design Thinking Pada Model Perancangan Ui/Ux Pada Fitur Report Helpdesk Ticketing Sistem,” INTI Nusa Mandiri, vol. 17, no. 1, hal. 24–31, 2022, doi: 10.33480/inti.v17i1.3451.
A. Pratama, R. C. Wihandika, dan D. E. Ratnawati, “Implementasi Algoritme Support Vector Machine (SVM) untuk Prediksi Ketepatan Waktu Kelulusan Mahasiswa,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 4, hal. 1704–1708, 2018.
N. M. Farhan dan B. Setiaji, “Indonesian Journal of Computer Science,” Indones. J. Comput. Sci., vol. 12, no. 2, hal. 284–301, 2023.
A. Nuriza dan N. H. Indriati, “Klasifikasi Review Produk Kecantikan Pada Aplikasi Sociolla Menggunakan Algoritme Modified K-Nearest Neighbor (MK-NN) dengan Pembobotan BM25,” J. Pengemb. Teknol. Inf. dan …, vol. 4, no. 10, hal. 3426–3431, 2020.
M. Oktafani dan P. T. Prasetyaningrum, “Implementasi Support Vector Machine Untuk Analisis Sentimen Komentar Aplikasi Tanda Tangan Digital,” J. Sist. Inf. dan Bisnis Cerdas, vol. 15, no. 1, 2022, doi: 10.33005/sibc.v15i1.2697.
I. Pratama dan P. T. Prasetyaningrum, “Pemetaan Profil Mahasiswa Untuk Peningkatan Strategi Promosi Perguruan Tinggi Menggunakan Predictive Apriori,” J. Eksplora Inform., vol. 10, no. 2, hal. 159–166, 2021, doi: 10.30864/eksplora.v10i2.505.
D. Diy, “Analisis Data Mining Untuk Memprediksi Lama Perawatan Pasien Covid-19 Bianglala Informatika,” vol. 10, no. 1, hal. 21–29, 2022.
D. Virdaus dan P. T. Prasetyaningrum, “Penerapan Data Mining Untuk Memprediksi Harga Bawang Merah Di Yogyakarta Menggunakan Metode K-Nearest Neighbor,” Journal of Information System And Artificial Intelligence, no. 84, hal. 1–8, 2020.
D. Muhidin dan A. Wibowo, “Perbandingan Kinerja Algoritma Support Vector Machine dan K-Nearest Neighbor Terhadap Analisis Sentimen Kebijakan New Normal,” STRING (Satuan Tulisan Ris. dan Inov. Teknol., vol. 5, no. 2, hal. 153, 2020, doi: 10.30998/string.v5i2.6715.
Ms. Prof. Dr. Suryana, “Metodologi Penelitian?: Metodologi Penelitian Model Prakatis Penelitian Kuantitatif dan Kualitatif,” Univ. Pendidik. Indones., hal. 1–243, 2012, doi: 10.1007/s13398-014-0173-7.2.
F. Djiwadikusumah, G. H. Irawan, dan R. Haekal Al-Fadilah, “Web scraping situs e-commerce menggunakan teknik parsing dom,” J. Siliwangi, vol. 7, no. 2, hal. 52–57, 2021.
D. Rifaldi, Abdul Fadlil, dan Herman, “Teknik Preprocessing Pada Text Mining Menggunakan Data Tweet ‘Mental Health,’” Decod. J. Pendidik. Teknol. Inf., vol. 3, no. 2, hal. 161–171, 2023, doi: 10.51454/decode.v3i2.131.
A. Kartino, M. Khairul Anam, Rahmaddeni, dan Junadhi, “Analisis Akun Twitter Berpengaruh terkait Covid-19 menggunakan Social Network Analysis,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 4, hal. 697–704, 2021, doi: 10.29207/resti.v5i4.3160.
S. K. Dirjen, P. Riset, D. Pengembangan, R. Dikti, dan E. Mailoa, “Terakreditasi SINTA Peringkat 2 Analisis Node dengan Centrality dan Follower Rank pada Twitter,” Masa Berlaku Mulai, vol. 1, no. 3, hal. 937–942, 2017.
S. Febriani dan H. Sulistiani, “Analisis Data Hasil Diagnosa Untuk Klasifikasi Gangguan Kepribadian Menggunakan Algoritma C4.5,” 89Jurnal Teknol. dan Sist. Inf., vol. 2, no. 4, hal. 89–95, 2021.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Muhammad Rizqi Akfani Rustiawan, Putri Taqwa Prasetyaningrum
This work is licensed under a Creative Commons Attribution 4.0 International License.
