ANALISIS PERSEPSI PENGGUNA TERHADAP KUALITAS LAYANAN PADA APLIKASI THREADS MENGGUNAKAN ANALISIS SENTIMEN DAN TOPIC MODELLING - Dalam bentuk buku karya ilmiah

AISYA FADHILA

Informasi Umum

Kode

24.04.368

Klasifikasi

338.47 - Services and specific products, quantities produced, shortages, surpluses, stockpiles, forecasts and projections of supply and demand

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Deep Learning, Service Quality-service Marketing,

Dilihat

351 kali

Informasi Lainnya

Abstraksi

Aplikasi Threads adalah sosial media yang diluncurkan pada tanggal 5 Juli 2023 oleh Meta, perusahaan induk Instagram. Threads menawarkan platform komunikasi sosial yang memungkinkan pengguna untuk berinteraksi, berbagi konten, dan menjaga hubungan dengan teman-teman mereka. Sebagai aplikasi baru yang diluncurkan pada pertengahan tahun 2023 Threads mengalami peningkatan jumlah pengguna pada awal kemunculannya dengan begitu pesat. Namun, setelah satu minggu peluncuran mulai terjadi penurunan yang begitu drastis pada jumlah pengguna hariannya. Maka dari itu, kualitas layanan Threads perlu ditingkatkan untuk mencapai kepuasan dan loyalitas pengguna. Penelitian ini bertujuan untuk menganalisis persepsi pengguna terhadap kualitas layanan aplikasi Threads dengan menggunakan analisis sentimen dan topik modelling pada data ulasan pengguna di google play store dan app store. Penelitian ini akan membantu pengembang Threads untuk mendapatkan pemahaman yang lebih baik tentang apa yang disukai oleh pengguna dan di mana potensi perbaikan dapat dilakukan. Metode yang digunakan pada penelitian ini adalan sentiment analisis dengan algortima IndoBERT dan Topic Modelling menggunakan BERTopic. Setelah melewati evaluasi perbandingan dengan algoritma Naïve Bayes, SVM, Decision Tree dan IndoBERT. Menghasilkan algoritma IndoBERT dengan akurasi tertinggi mencapai 84,4%. Sentimen positif sebanyak 26,44% dan sentiment negatif sebanyak 73,57%. Dimensi yang digunakan untuk mengukur kualitas layanan yakni Usefullness, Convenience, Design, dan Privacy/Security. Hasil dari sentiment analisis dan topic modelling menghasilkan persepsi pengguna dengan sentiment negatif pada dimensi Usefullness dan Convenience dengan frekuensi paling tinggi. Dengan pengetahuan mengenai kualitas layanan yang muncul dari pengalaman pengguna Threads dapat mengevaluasi dan memberikan kualitas layanan yang lebih baik terutama pada dimensi Usefullness dan Convenience. Kata Kunci: Klasifikasi Teks, Sosial Media, Persepsi, Kualitas Layanan, Topic modelling, Sentimen Analisis, IndoBERT