ANALISIS SENTIMEN KEPUASAN PELANGGAN PADA KOPISHOP TELON COFFEE MENGGUNAKAN METODE TF-IDF BERBASIS ULASAN GOOGLE MAPS DAN GOFOOD

Abstract

Perkembangan industri kopi yang pesat mendorong pelaku usaha untuk memahami tingkat kepuasan pelanggan secara lebih objektif. Salah satu sumber informasi yang dapat dimanfaatkan adalah ulasan pelanggan pada platform digital seperti Google Maps dan GoFood. Penelitian ini bertujuan untuk menganalisis sentimen kepuasan pelanggan terhadap Kopishop Telon Coffee menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF) dan algoritma Support Vector Machine (SVM). Data yang digunakan berupa 186 ulasan pelanggan yang dikumpulkan dari Google Maps dan GoFood, kemudian dilabeli secara manual ke dalam tiga kelas sentimen, yaitu positif, netral, dan negatif. Tahapan penelitian meliputi pengumpulan data, pra-pemrosesan teks, ekstraksi fitur menggunakan TF-IDF, serta klasifikasi sentimen menggunakan SVM. Hasil ekstraksi fitur menunjukkan bahwa kata “kopi”, “enak”, dan “nyaman” memiliki bobot TF-IDF tertinggi, yang mengindikasikan bahwa kualitas rasa dan kenyamanan tempat menjadi aspek utama yang diperhatikan pelanggan. Evaluasi model SVM menghasilkan akurasi sebesar 86,84%, dengan nilai precision, recall, dan F1-score yang cukup baik, meskipun masih terdapat keterbatasan dalam mengklasifikasikan sentimen minoritas akibat ketidakseimbangan data. Secara keseluruhan, hasil penelitian menunjukkan bahwa mayoritas pelanggan memberikan sentimen positif terhadap Kopishop Telon Coffee. Penelitian ini membuktikan bahwa kombinasi metode TF-IDF dan SVM dapat digunakan secara efektif untuk menganalisis sentimen kepuasan pelanggan berdasarkan ulasan daring dan dapat menjadi dasar evaluasi serta pengambilan keputusan bagi pelaku usaha.