Analisis Sentimen Berbasis Aspek dan Visualisasi Business Intelligence Pada Ulasan Pelanggan Produk Minuman Industri F&B Dari Instagram dan Google Review
Kata Kunci:
Analisis Sentimen, Analisis Sentimen Berbasis Aspek, Intelijen Bisnis, Ulasan Pelanggan, Industri Makanan dan MinumanAbstrak
Perkembangan media sosial dan platform ulasan daring telah menjadikan opini pelanggan sebagai sumber data penting dalam memahami pengalaman pelanggan, khususnya pada industri Food and Beverage (F&B). Namun, sebagian besar data ulasan tersebut bersifat tidak terstruktur dan belum dimanfaatkan secara optimal dalam sistem pendukung keputusan berbasis data. Penelitian ini bertujuan untuk menganalisis sentimen pelanggan secara lebih mendalam melalui pendekatan Aspect-Based Sentiment Analysis (ABSA) serta memvisualisasikan hasilnya menggunakan Business Intelligence (BI) guna memetakan pengalaman pelanggan pada produk minuman industri F&B. Penelitian ini menggunakan pendekatan studi kuantitatif dengan menganalisis 50 ulasan pelanggan yang bersumber dari Instagram dan Google Review. Tahapan penelitian meliputi preprocessing teks menggunakan Natural Language Processing (NLP), analisis aspek dan sentimen menggunakan ABSA berbasis aturan, klasifikasi sentimen menggunakan algoritma Multinomial Naïve Bayes dan Support Vector Machine (SVM), serta visualisasi hasil menggunakan platform Business Intelligence. Hasil penelitian menunjukkan bahwa aspek rasa dan harga merupakan aspek yang paling dominan dibahas pelanggan. Aspek rasa dan pelayanan didominasi oleh sentimen positif, sedangkan aspek harga, kemasan, dan porsi cenderung memperoleh sentimen negatif. Evaluasi model menunjukkan bahwa Multinomial Naïve Bayes menghasilkan akurasi tertinggi sebesar 96,0%, sedangkan SVM menghasilkan akurasi sebesar 82,5%. Visualisasi BI berhasil menampilkan distribusi sentimen, frekuensi aspek, dan performa aspek secara informatif. Penelitian ini membuktikan bahwa integrasi ABSA dan BI efektif dalam mengonversi data ulasan tidak terstruktur menjadi wawasan strategis berbasis data. Hasil penelitian berhasil menjawab tujuan penelitian dan menunjukkan bahwa pendekatan ini dapat digunakan sebagai dasar pengambilan keputusan untuk meningkatkan kualitas produk dan layanan. Penelitian selanjutnya disarankan untuk menggunakan dataset yang lebih besar dan menerapkan metode pembelajaran mendalam guna meningkatkan akurasi analisis.
Unduhan
Referensi
REFERENSI
[1] R. A. Rahman, V. H. Pranatawijaya, and N. N. K. Sari, “Analisis Sentimen Berbasis Aspek pada Ulasan Aplikasi Gojek,” KONSTELASI Konvergensi Teknol. dan Sist. Inf., vol. 4, no. 1, pp. 70–82, 2024, doi: 10.24002/konstelasi.v4i1.8922.
[2] M. R. Stansyah, R. Choirunnisa, M. Tegar, and S. S. A. Putri, “Analisis Pengaruh Minat Beli Konsumen Terhadap Pembelian Makanan Dan Minuman Melalui Aplikasi Go Food,” J. Pendidik. Tata Niaga, vol. 11, no. 1, pp. 43–49, 2023, doi: 10.26740/jptn.v11n1.p43-49.
[3] J. Ipmawati, S. Saifulloh, and K. Kusnawi, “Analisis Sentimen Tempat Wisata Berdasarkan Ulasan pada Google Maps Menggunakan Algoritma Support Vector Machine,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 1, pp. 247–256, 2024, doi: 10.57152/malcom.v4i1.1066.
[4] R. Merdiansah, S. Siska, and A. Ali Ridha, “Analisis Sentimen Pengguna X Indonesia Terkait Kendaraan Listrik Menggunakan IndoBERT,” J. Ilmu Komput. dan Sist. Inf., vol. 7, no. 1, pp. 221–228, 2024, doi: 10.55338/jikomsi.v7i1.2895.
[5] J. Yang, M. Xu, Y. Xiao, and X. Du, “AMIFN: Aspect-guided multi-view interactions and fusion network for multimodal aspect-based sentiment analysis,” Neurocomputing, vol. 573, 2024, doi: 10.1016/j.neucom.2023.127222.
[6] W. Aprilita, Junadhi, Agustin, and Hadi Asnal, “Analisis Sentimen Layanan Hotel Menggunakan Algoritma Extra Trees: Studi Kasus pada Ulasan Pelanggan,” Indones. J. Comput. Sci., vol. 13, no. 3, 2024, doi: 10.33022/ijcs.v13i3.4014.
[7] A. Hasbi, Hamsiati, and S. N. Suni, Kemasan Hijau di Industri Makanan dan Minuman Dalam Mendukung Pariwisata Berkelanjutan. books.google.com, 2024. [Online]. Available: https://books.google.com/books?hl=en&lr=&id=XC1NEQAAQBAJ&oi=fnd&pg=PA4&dq=industri+makanan+dan+minuman&ots=lfT_SHt_OM&sig=-bjP59FSACcxMtCZYnWSEh3XUl8
[8] N. A. Azizah and T. Ernawati, “Analisis Sentimen Ulasan Pelanggan Terhadap Produk Roti Macan Artisan Di E-Commerce Tokopedia Menggunakan Metode Clustering,” J. Inf. Syst. Applied, Manag. Account. Res., vol. 8, no. 3, p. 580, 2024, doi: 10.52362/jisamar.v8i3.1576.
[9] A. A. Munandar, F. Farikhin, and C. E. Widodo, “Sentimen Analisis Aplikasi Belajar Online Menggunakan Klasifikasi SVM,” 2023, academia.edu. doi: 10.31328/jointecs.v8i2.4747.
[10] W. Ningsih, B. Alfianda, R. Rahmaddeni, and D. Wulandari, “Perbandingan Algoritma SVM dan Naïve Bayes dalam Analisis Sentimen Twitter pada Penggunaan Mobil Listrik di Indonesia,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 2, pp. 556–562, 2024, doi: 10.57152/malcom.v4i2.1253.
[11] H. Hajaroh, T. Suprapti, and R. Narasati, “Implementasi Algoritma Naive Bayes Untuk Analisis Sentimen Ulasan Produk Makanan Dan Minuman Di Tokopedia,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 111–118, 2024, doi: 10.36040/jati.v8i1.8237.
[12] Fauzan Prasetyo Eka Putra, Debri Eko Arissandi, Achmad Rofiqi, and Moh Firman Hidayat, “Pemanfaatan Mikrotik Dalam Manajemen Bandwidth Pada Jaringan Sekolah,” 2025, researchgate.net. doi: 10.55606/jitek.v5i1.5938.
[13] R. Maulana, A. Voutama, and T. Ridwan, “Analisis Sentimen Ulasan Aplikasi MyPertamina pada Google Play Store menggunakan Algoritma NBC,” J. Teknol. Terpadu, vol. 9, no. 1, pp. 42–48, 2023, doi: 10.54914/jtt.v9i1.609.
[14] M. W. Alfiansyah, I. N. Switrayana, and L. Mulawarman, “Peran Business Intelligence Dalam Meningkatkan Kinerja Usaha Mikro, Kecil, Dan Menengah (Umkm),” Econ. J. Ekon. dan Bisnis, vol. 1, no. 1, pp. 13–19, 2024, doi: 10.63545/economist.v1i1.8.
[15] B. A. Maulana, M. J. Fahmi, A. M. Imran, and N. Hidayati, “Analisis Sentimen Terhadap Aplikasi Pluang Menggunakan Algoritma Naive Bayes dan Support Vector Machine (SVM),” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 2, pp. 375–384, 2024, doi: 10.57152/malcom.v4i2.1206.
[16] A. Saputra and F. Noor Hasan, “Analisis Sentimen Terhadap Aplikasi Coffee Meets Bagel Dengan Algoritma Naïve Bayes Classifier,” SIBATIK J. J. Ilm. Bid. Sos. Ekon. Budaya, Teknol. dan Pendidik., vol. 2, no. 2, pp. 465–474, 2023, doi: 10.54443/sibatik.v2i2.579.
[17] R. Nurhidayat and K. E. Dewi, “Penerapan Algoritma K-Nearest Neighbor Dan Fitur Ekstraksi N-Gram Dalam Analisis Sentimen Berbasis Aspek,” 2023, researchgate.net. doi: 10.34010/komputa.v12i1.9458.
[18] I. Siti Aisah, B. Irawan, and T. Suprapti, “Algoritma Support Vector Machine (Svm) Untuk Analisis Sentimen Ulasan Aplikasi Al Qur’an Digital,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 6, pp. 3759–3765, 2024, doi: 10.36040/jati.v7i6.8263.
[19] K. Scaria, H. Gupta, S. Goyal, S. A. Sawant, S. Mishra, and C. Baral, “InstructABSA: Instruction Learning for Aspect Based Sentiment Analysis,” Proc. 2024 Conf. North Am. Chapter Assoc. Comput. Linguist. Hum. Lang. Technol. NAACL 2024, vol. 2, pp. 720–736, 2024, doi: 10.18653/v1/2024.naacl-short.63.
[20] L. Theodorakopoulos, A. Theodoropoulou, and C. Halkiopoulos, “Big Data and Business Intelligence in Tourism: Analyzing Trends and Enhancing Customer Satisfaction Through Online Review Analytics,” Springer Proc. Bus. Econ., pp. 507–536, 2025, doi: 10.1007/978-3-031-87019-4_35.
[21] F. P. E. Putra, M. Irfan, M. Aziz, and R. N. Saputra, “Wireless Network Design at Pamekasan Regency Public Library,” Brill. Res. Artif. Intell., vol. 5, no. 1, pp. 144–150, 2025, doi: 10.47709/brilliance.v5i1.5876.
[22] Y. A. Singgalen, “Analisis Sentimen dan Sistem Pendukung Keputusan Menginap di Hotel Menggunakan Metode CRISP-DM dan SAW,” 2023, pdfs.semanticscholar.org. doi: 10.47065/josh.v4i4.3917.
[23] Friska Aditia Indriyani, Ahmad Fauzi, and Sutan Faisal, “Analisis sentimen aplikasi tiktok menggunakan algoritma naïve bayes dan support vector machine,” TEKNOSAINS J. Sains, Teknol. dan Inform., vol. 10, no. 2, pp. 176–184, 2023, doi: 10.37373/tekno.v10i2.419.
[24] T. Safitri, Y. Umaidah, and I. Maulana, “Analisis Sentimen Pengguna Twitter Terhadap Grup Musik BTS Menggunakan Algoritma Support Vector Machine,” J. Appl. Informatics Comput., vol. 7, no. 1, pp. 28–35, 2023, doi: 10.30871/jaic.v7i1.5039.
[25] J. Supriyanto, D. Alita, and A. R. Isnain, “Penerapan Algoritma K-Nearest Neighbor (K-NN) Untuk Analisis Sentimen Publik Terhadap Pembelajaran Daring,” 2023, pdfs.semanticscholar.org. doi: 10.33365/jatika.v4i1.2468.
[26] S. Syafrizal, M. Afdal, and R. Novita, “Analisis Sentimen Ulasan Aplikasi PLN Mobile Menggunakan Algoritma Naïve Bayes Classifier dan K-Nearest Neighbor,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 1, pp. 10–19, 2023, doi: 10.57152/malcom.v4i1.983.
[27] T. Tukino and F. Fifi, “Penerapan Support Vector Machine Untuk Analisis Sentimen Pada Layanan Ojek Online,” J. Desain Dan Anal. Teknol., vol. 3, no. 2, pp. 104–113, 2024, doi: 10.58520/jddat.v3i2.59.
[28] S. Chatterjee, R. Chaudhuri, and D. Vrontis, “Does data-driven culture impact innovation and performance of a firm? An empirical examination,” Ann. Oper. Res., vol. 333, no. 2–3, pp. 601–626, 2024, doi: 10.1007/s10479-020-03887-z.
[29] Oluwaseun Badmus, Shahab Anas Rajput, John Babatope Arogundade, and Mosope Williams, “AI-driven business analytics and decision making,” 2024, researchgate.net. doi: 10.30574/wjarr.2024.24.1.3093.
[30] S. P. Rianty and Angga Nadiyanto Prastian, “Analisis Kualitas Pelayanan Dalam Upaya Meningkatkan Kepuasan Pelanggan Pada Hotel Sari Ater Kamboti,” 2024. doi: 10.35870/jemsi.v10i4.2805.
[31] A. Karimah, G. Dwilestari, and M. Mulyawan, “Analisis Sentimen Komentar Video Mobil Listrik Di Platform Youtube Dengan Metode Naive Bayes,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 767–737, 2024, doi: 10.36040/jati.v8i1.8373.
[32] Fauzan Prasetyo Eka Putra, Dian Tri Agustina, Triana Selvia Khusnul Khotimah, and Tarisha Ramadhanty, “Analisis Kinerja Jaringan 5G dalam Meningkatkan Konektivitas Internet of Things (IoT),” 2025, researchgate.net. doi: 10.55606/jitek.v5i1.5836.
[33] Fauzan Prasetyo Eka Putra, Yogi Setiawan, Samsul Arifin, and Wahyu Hidayatullah, “Peran VPN dalam Menjaga Privasi Pengguna Jaringan Publik,” 2025, researchgate.net. doi: 10.55606/jitek.v5i1.5834.
[34] Imamatuz Zakiyah et al., “Pengaruh Rating dan Ulasan Pelanggan di E-commerce Terhadap Keputusan Pembelian Skincare Somethinc pada Konsumen di Prambon,” Ekon. Keuang. Syariah dan Akunt. Pajak, vol. 1, no. 3, pp. 134–143, 2024, doi: 10.61132/eksap.v1i3.205.
[35] R. Rosnawiyah and R. Abadiyah, “Perilaku Pembelian Milenial Ulasan Ulasan Shopee dan Pemasaran Viral,” J. Adm. Bisnis, vol. 22, no. 1, p. 47, 2024, doi: 10.31315/jurnaladmbisnis.v22i1.12736.
[36] F. P. Eka Putra, A. M. Ubaidillah Solichin, M. N. Wildanul Hakim, and M. T. Ramadhan, “Pemanfaatan Teknologi Wireless dan Mobile Network Berbasis 5G Untuk Pemerataan Akses Jaringan di Indonesia,” Infotek J. Inform. dan Teknol., vol. 8, no. 2, pp. 415–425, 2025, doi: 10.29408/jit.v8i2.30559.
[37] S. V. Tsiu, M. Ngobeni, L. Mathabela, and B. Thango, “Applications and Competitive Advantages of Data Mining and Business Intelligence in SMEs Performance: A Systematic Review,” 2025, mdpi.com. doi: 10.3390/businesses5020022.
[38] N. M. K. Sedana, I. N. S. W. Wijaya, and I. K. R. Arthana, “Analisis Sentimen Berbahasa Inggris Dengan Metode Lstm Studi Kasus Berita Online Pariwisata Bali,” J. Teknol. Inf. dan Ilmu Komput., vol. 11, no. 6, pp. 1325–1334, 2024, doi: 10.25126/jtiik.2024118792.
[39] F. P. E. Putra, O. F. Kusuma, M. Mursidi, and A. Hamzah, “Comparative Analysis of Laravel and Symfony in PHP-Based Web Application Developmen,” Brill. Res. Artif. Intell., vol. 5, no. 1, pp. 272–280, 2025, doi: 10.47709/brilliance.v5i1.5892.
[40] N. Nurzaman, N. Suarna, and W. Prihartono, “Analisis Sentimen Ulasan Aplikasi Threads Di Google Playstore Menggunakan Algoritma Naïve Bayes,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 967–974, 2024, doi: 10.36040/jati.v8i1.8708.
[41] F. P. E. Putra, U. Ubaidi, D. Mayangsari, and N. Hasanah, “Netvista Public Wireless Network Quality Analysis Using Quality Of Service Parameters,” Brill. Res. Artif. Intell., vol. 4, no. 1, pp. 443–452, 2024, doi: 10.47709/brilliance.v4i1.4388.
[42] K. Mustaqim, F. A. Amaresti, and I. N. Dewi, “Analisis Sentimen Ulasan Aplikasi PosPay untuk Meningkatkan Kepuasan Pengguna dengan Metode K-Nearest Neighbor (KNN),” 2024. doi: 10.29408/edumatic.v8i1.24779.
[43] V. Alviani, S. Alam, and I. Kurniawan, “Analisis Sentimen Review Aplikasi Wetv Pada Platform Twitter Menggunakan Support Vector Machine,” STORAGE J. Ilm. Tek. dan Ilmu Komput., vol. 2, no. 3, pp. 143–149, 2023, doi: 10.55123/storage.v2i3.2351.
[44] F. P. E. Putra, R. W. Efendi, A. B. Tamam, and W. A. Pramadi, “Trends and Best Practices in API-Based Web Development Using Laravel and React,” Brill. Res. Artif. Intell., vol. 5, no. 1, pp. 223–233, 2025, doi: 10.47709/brilliance.v5i1.5971.
[45] S. Heristian, M. Napiah, and W. Erawati, “Analisis Sentimen Ulasan Pelanggan Menggunakan Algoritma Naive Bayes pada Aplikasi Gojek,” Comput. Sci., vol. 5, no. 1, pp. 35–41, 2025, doi: 10.31294/coscience.v5i1.7775.
[46] A. F. Rachman, F. P. E. Putra, S. Syirofi, and D. Wahid, “Case Study of Computer Network Development for the Internet Of Things (IoT) Industry in an Urban Environment,” Brill. Res. Artif. Intell., vol. 4, no. 1, pp. 399–407, 2024, doi: 10.47709/brilliance.v4i1.4302.
[47] I. H. Kusuma and N. Cahyono, “Analisis Sentimen Masyarakat Terhadap Penggunaan E-Commerce Menggunakan Algoritma K-Nearest Neighbor,” J. Inform. J. Pengemb. IT, vol. 8, no. 3, pp. 302–307, 2023, doi: 10.30591/jpit.v8i3.5734.
[48] R. Rahmadani, A. Rahim, and R. Rudiman, “Analisis Sentimen Ulasan ‘Ojol the Game’ Di Google Play Store Menggunakan Algoritma Naive Bayes Dan Model Ekstraksi Fitur Tf-Idf Untuk Meningkatkan Kualitas Game,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 3, 2024, doi: 10.23960/jitet.v12i3.4988.
[49] F. P. E. Putra, U. Ubaidi, M. Mahendra, M. Surur, and A. Rizki, “4G LTE Network Performance Analysis Provider 3 In Pamekasan Using The G-Nettrack Application,” Brill. Res. Artif. Intell., vol. 4, no. 1, pp. 427–433, 2024, doi: 10.47709/brilliance.v4i1.4376.
[50] Rosidah and Y. Nuryani, “Pengaruh Produk, Promosi Dan Ulasan Pelanggan Terhadap Keputusan Pembelian Pada Toko Shopee Ganesa Grafika Tasikmalaya,” Bus. Preneur J. Ilmu Adm. Bisnis, vol. 7, no. 2, pp. 835–845, 2025, doi: 10.23969/bp.v7i2.31846.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Suhdi, Dea Aulia Siswoyo (Penulis)
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
