Saat ini jasa pengiriman barang cukup laris bagi warga di negara Indonesia, terlebih pada pertumbuhan pasar berbentuk daring. Jika jasa ekspedisi yang digunakan tidak profesional, maka tentunya akan berdampak pada pelaku usaha yang menggunakan jasa ekspedisi tersebut. SiCepat kini berada pada posisi nomor dua sebagai ekspedisi paling besar di Indonesia.
Penelitian ini bertujuan untuk mengetahui bagaimana proporsi sentimen dimensi kualitas layanan yang telah diperoleh SiCepat, serta dimensi kualitas layanan apa saja yang perlu diperbaiki SiCepat berdasarkan analisis sentimen yang telah dilakukan.
Metode yang dilakukan dalam penelitian ini adalah metode kualitatif. Penelitian ini dilaksanakan pada tanggal 13 September 2021 hingga tanggal 13 Oktober 2021 menggunakan data dari media sosial Twitter dengan cara melakukan crawling data dengan kata kunci “sicepat” menggunakan aplikasi pemograman python Google Colab, tahap selanjutnya melakukan preprocessing data untuk menghilangkan kalimat yang tidak penting, tahap selanjutnya melakukan klasifikasi data sentimen dan dimensi kualitas layanan pada setiap tweet, selanjutnya melakukan uji validitas model menggunakan RapidMiner, dan melihat penggambaran kata-kata yang paling sering muncul menggunakan word cloud.
Penelitian ini menghasilkan bahwa klasifikasi sentimen dan dimensi kualitas layanan mendapatkan proporsi sentimen negatif lebih besar dibandingkan sentimen positif. Pada klasifikasi multiclass dimensi kualitas layanan, dimensi yang paling sering dibicarakan di Twitter adalah dimensi reliability yang didominasi oleh sentimen negatif pada perusahaan SiCepat.
Hasil penelitian ini diharapkan bahwa pada media sosial seperti Twitter dapat dimanfaatkan oleh perusahaan ekspedisi untuk mengetahui bagaimana kualitas layanan yang telah diberikan oleh perusahaan SiCepat, serta perlu memperbaiki dimensi reliability karena belum sesuai dengan promosi yang diberikan SiCepat
Kata Kunci: jasa ekspedisi, kualitas layanan, analisis sentimen, support vector machine, klasifikasi multi kelas