Melola Discovery

← Melola Discovery

Open access Jurnal SINTA 2

Analisis Sentimen Ulasan Rumah Makan Menggunakan Perbandingan Algoritma Support Vector Machine dengan Naive bayes (Studi Kasus: Ayam Goreng Nelongso Cabang Singosari, Malang)

Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) · Vol. 11 No. 1 (2024) · pp. 107–116

DOI
10.25126/jtiik.20241117584
ISSN
2528-6579, 2355-7699
Published
2024-02-29
Publisher
Fakultas Ilmu Komputer, Universitas Brawijaya
Language
en
License
creativecommons.org/licenses/by-sa/4.0

Abstract

Bahasa Indonesia

Peningkatan kualitas produk dan pelayanan merupakan tantangan yang dihadapi oleh bisnis kuliner, termasuk rumah makan Ayam Goreng Nelongso Singosari di Kabupaten Malang. Analisis sentimen digunakan untuk mengidentifikasi ulasan pelanggan terkait pelayanan, kualitas produk, harga, dan kepuasan pelanggan. Penelitian ini membandingkan metode Support Vector Machine (SVM), metode Naïve Bayes Classifier (NBC), dan Root Cause Analysis untuk mengklasifikasikan sentimen ulasan pelanggan dan menganalisis masalah yang mendasarinya. Tujuan penelitian ini adalah membandingkan hasil dari algoritma Support Vector Machine dan Naïve Bayes Classifier dalam pengklasifikasian sentimen ulasan pelanggan rumah makan Ayam Goreng Nelongso. Penelitian ini juga bertujuan untuk menghasilkan rekomendasi berdasarkan analisis root cause pada sentimen negatif ulasan pelanggan. Implementasi kedua algoritma klasifikasi menunjukkan performa yang baik dalam mengklasifikasikan data dengan akurasi tinggi. Pengujian menunjukkan bahwa kinerja SVM lebih unggul dengan tingkat akurasi mencapai 92,74%, sementara NBC mencapai tingkat akurasi sebesar 91,67%. Hasil analisis root cause menunjukkan beberapa rekomendasi untuk meningkatkan aspek harga, makanan, layanan, dan tempat rumah makan. Rekomendasi yang dapat dilakukan oleh pihak rumah makan diantaranya adalah evaluasi ukuran dan harga, penggunaan deep frying, pelatihan dan evaluasi pelayanan, serta penambahan tenaga kerja atau kerjasama dengan outsourcing dalam menjaga kebersihan tempat. Hasil penelitian diharapkan dapat membantu pemilik rumah makan dalam mengembangkan kualitas produk dan pelayanan serta memberikan pandangan untuk langkahlangkah yang dapat diambil di kemudian hari.

English

Peningkatan kualitas produk dan pelayanan merupakan tantangan yang dihadapi oleh bisnis kuliner, termasuk rumah makan Ayam Goreng Nelongso Singosari di Kabupaten Malang. Analisis sentimen digunakan untuk mengidentifikasi ulasan pelanggan terkait pelayanan, kualitas produk, harga, dan kepuasan pelanggan. Penelitian ini membandingkan metode Support Vector Machine (SVM), metode Naïve Bayes Classifier (NBC), dan Root Cause Analysis untuk mengklasifikasikan sentimen ulasan pelanggan dan menganalisis masalah yang mendasarinya. Tujuan penelitian ini adalah membandingkan hasil dari algoritma Support Vector Machine dan Naïve Bayes Classifier dalam pengklasifikasian sentimen ulasan pelanggan rumah makan Ayam Goreng Nelongso. Penelitian ini juga bertujuan untuk menghasilkan rekomendasi berdasarkan analisis root cause pada sentimen negatif ulasan pelanggan. Implementasi kedua algoritma klasifikasi menunjukkan performa yang baik dalam mengklasifikasikan data dengan akurasi tinggi. Pengujian menunjukkan bahwa kinerja SVM lebih unggul dengan tingkat akurasi mencapai 92,74%, sementara NBC mencapai tingkat akurasi sebesar 91,67%. Hasil analisis root cause menunjukkan beberapa rekomendasi untuk meningkatkan aspek harga, makanan, layanan, dan tempat rumah makan. Rekomendasi yang dapat dilakukan oleh pihak rumah makan diantaranya adalah evaluasi ukuran dan harga, penggunaan deep frying, pelatihan dan evaluasi pelayanan, serta penambahan tenaga kerja atau kerjasama dengan outsourcing dalam menjaga kebersihan tempat. Hasil penelitian diharapkan dapat membantu pemilik rumah makan dalam mengembangkan kualitas produk dan pelayanan serta memberikan pandangan untuk langkahlangkah yang dapat diambil di kemudian hari.

Keywords

Collaboration network of the authors

40 authors · 74 co-authorship links · 16 across different organisations · showing the 40 most connected

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • University of Brawijaya
  • Indonesian Institute of Sciences
  • National Research and Innovation Agency
  • Institut Teknologi Sepuluh Nopember
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Ahmad Afif SupiantoUniversity of Brawijaya2
Indriati .Affiliation unknown2
Welly PurnomoUniversity of Brawijaya2
Satrio Hadi WijoyoUniversity of Brawijaya2
Muhammad Fariz FirdausUniversity of Brawijaya2
Nur Laita Rizki AmaliaUniversity of Brawijaya1
Vicky ZilvanIndonesian Institute of Sciences1
Asri Rizki YulianiIndonesian Institute of Sciences1
Ade RamdanIndonesian Institute of Sciences1
Reza Andria SAffiliation unknown1
Sarwosri SarwosriInstitut Teknologi Sepuluh Nopember1
Marji .University of Brawijaya1
Lailil MuflikhahUniversity of Brawijaya1
Putri Nur FadilaUniversity of Brawijaya1
Zikfikri Yulfiandi RachmadUniversity of Brawijaya1
Achmad ArwanUniversity of Brawijaya1
Mahendra DataUniversity of Brawijaya1
Ibnu AqliUniversity of Brawijaya1
Suherni PrahestiUniversity of Brawijaya1
Heru NurwasitoUniversity of Brawijaya1
Sutrisno SutrisnoUniversity of Brawijaya1
Rozaq AkbarUniversity of Brawijaya1
Fitra Abdurrachman BachtiarUniversity of Brawijaya1
Iqbal Taufiq Ahmad NurUniversity of Brawijaya1
Fawwaz Roja MahardikaUniversity of Brawijaya1
Raden Sandra YuwanaNational Research and Innovation Agency1
Endang SuryawatiNational Research and Innovation Agency1
Dion Ricky SaputraUniversity of Brawijaya1
Alfian HakimUniversity of Brawijaya1
Alland Rifqy PutraAffiliation unknown1
Alland Rifqy PutraUniversity of Brawijaya1
Bayu RahayudiUniversity of Brawijaya1
Tsania DzulkarnainUniversity of Brawijaya1
Novriani Dewi AnwarUniversity of Brawijaya1
Eka Bayu SatriawanAffiliation unknown1
Eka Bayu SatriawanAffiliation unknown1
Raihan WinurputraAffiliation unknown1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://jtiik.ub.ac.id/index.php/jtiik/en/oai, first harvested 27 Okt 2026, last seen 27 Okt 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="id">Analisis Sentimen Ulasan Rumah Makan Menggunakan Perbandingan Algoritma Support Vector Machine dengan Naive bayes (Studi Kasus: Ayam Goreng Nelongso Cabang Singosari, Malang)</dc:title>
	<dc:title xml:lang="en">Analisis Sentimen Ulasan Rumah Makan Menggunakan Perbandingan Algoritma Support Vector Machine dengan Naive bayes (Studi Kasus: Ayam Goreng Nelongso Cabang Singosari, Malang)</dc:title>
	<dc:creator xml:lang="id">Salsabillah, Dinar Fairus</dc:creator>
	<dc:creator xml:lang="id">Ratnawati, Dian Eka</dc:creator>
	<dc:creator xml:lang="id">Setiawan, Nanang Yudi</dc:creator>
	<dc:subject xml:lang="en">Rumah Makan</dc:subject>
	<dc:subject xml:lang="en">Analisis Sentimen</dc:subject>
	<dc:subject xml:lang="en">Naïve Bayes</dc:subject>
	<dc:subject xml:lang="en">Support Vector Machine</dc:subject>
	<dc:subject xml:lang="en">Root Cause Analysis</dc:subject>
	<dc:description xml:lang="id">Peningkatan kualitas produk dan pelayanan merupakan tantangan yang dihadapi oleh bisnis kuliner, termasuk rumah makan Ayam Goreng Nelongso Singosari di Kabupaten Malang. Analisis sentimen digunakan untuk mengidentifikasi ulasan pelanggan terkait pelayanan, kualitas produk, harga, dan kepuasan pelanggan. Penelitian ini membandingkan metode Support Vector Machine (SVM), metode Naïve Bayes Classifier (NBC), dan Root Cause Analysis untuk mengklasifikasikan sentimen ulasan pelanggan dan menganalisis masalah yang mendasarinya. Tujuan penelitian ini adalah membandingkan hasil dari algoritma Support Vector Machine dan Naïve Bayes Classifier dalam pengklasifikasian sentimen ulasan pelanggan rumah makan Ayam Goreng Nelongso. Penelitian ini juga bertujuan untuk menghasilkan rekomendasi berdasarkan analisis root cause pada sentimen negatif ulasan pelanggan. Implementasi kedua algoritma klasifikasi menunjukkan performa yang baik dalam mengklasifikasikan data dengan akurasi tinggi. Pengujian menunjukkan bahwa kinerja SVM lebih unggul dengan tingkat akurasi mencapai 92,74%, sementara NBC mencapai tingkat akurasi sebesar 91,67%. Hasil analisis root cause menunjukkan beberapa rekomendasi untuk meningkatkan aspek harga, makanan, layanan, dan tempat rumah makan. Rekomendasi yang dapat dilakukan oleh pihak rumah makan diantaranya adalah evaluasi ukuran dan harga, penggunaan deep frying, pelatihan dan evaluasi pelayanan, serta penambahan tenaga kerja atau kerjasama dengan outsourcing dalam menjaga kebersihan tempat. Hasil penelitian diharapkan dapat membantu pemilik rumah makan dalam mengembangkan kualitas produk dan pelayanan serta memberikan pandangan untuk langkahlangkah yang dapat diambil di kemudian hari. </dc:description>
	<dc:description xml:lang="en">Peningkatan kualitas produk dan pelayanan merupakan tantangan yang dihadapi oleh bisnis kuliner, termasuk rumah makan Ayam Goreng Nelongso Singosari di Kabupaten Malang. Analisis sentimen digunakan untuk mengidentifikasi ulasan pelanggan terkait pelayanan, kualitas produk, harga, dan kepuasan pelanggan. Penelitian ini membandingkan metode Support Vector Machine (SVM), metode Naïve Bayes Classifier (NBC), dan Root Cause Analysis untuk mengklasifikasikan sentimen ulasan pelanggan dan menganalisis masalah yang mendasarinya. Tujuan penelitian ini adalah membandingkan hasil dari algoritma Support Vector Machine dan Naïve Bayes Classifier dalam pengklasifikasian sentimen ulasan pelanggan rumah makan Ayam Goreng Nelongso. Penelitian ini juga bertujuan untuk menghasilkan rekomendasi berdasarkan analisis root cause pada sentimen negatif ulasan pelanggan. Implementasi kedua algoritma klasifikasi menunjukkan performa yang baik dalam mengklasifikasikan data dengan akurasi tinggi. Pengujian menunjukkan bahwa kinerja SVM lebih unggul dengan tingkat akurasi mencapai 92,74%, sementara NBC mencapai tingkat akurasi sebesar 91,67%. Hasil analisis root cause menunjukkan beberapa rekomendasi untuk meningkatkan aspek harga, makanan, layanan, dan tempat rumah makan. Rekomendasi yang dapat dilakukan oleh pihak rumah makan diantaranya adalah evaluasi ukuran dan harga, penggunaan deep frying, pelatihan dan evaluasi pelayanan, serta penambahan tenaga kerja atau kerjasama dengan outsourcing dalam menjaga kebersihan tempat. Hasil penelitian diharapkan dapat membantu pemilik rumah makan dalam mengembangkan kualitas produk dan pelayanan serta memberikan pandangan untuk langkahlangkah yang dapat diambil di kemudian hari. </dc:description>
	<dc:publisher xml:lang="en">Fakultas Ilmu Komputer, Universitas Brawijaya</dc:publisher>
	<dc:date>2024-02-29</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jtiik.ub.ac.id/index.php/jtiik/article/view/7584</dc:identifier>
	<dc:identifier>10.25126/jtiik.20241117584</dc:identifier>
	<dc:source xml:lang="id">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol 11 No 1: Februari 2024; 107-116</dc:source>
	<dc:source xml:lang="en">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol. 11 No. 1: Februari 2024; 107-116</dc:source>
	<dc:source>2528-6579</dc:source>
	<dc:source>2355-7699</dc:source>
	<dc:source>10.25126/jtiik.2024111</dc:source>
	<dc:language>en</dc:language>
	<dc:language>id</dc:language>
	<dc:relation>https://jtiik.ub.ac.id/index.php/jtiik/article/view/7584/1262</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2024 Jurnal Teknologi Informasi dan Ilmu Komputer</dc:rights>
	<dc:rights xml:lang="en">https://creativecommons.org/licenses/by-sa/4.0</dc:rights>
</oai_dc:dc>