ANALISIS KEPUASAN PELANGGAN PADA PELAYANAN E-COMMERCE TOKOPEDIA DAN SHOPEE PADA TWITTER MENGGUNAKAN RECURRENT NEURAL NETWORK

Abstract

Salah satu media sosial yang mempengaruhi transaksi e-commerce tersebut adalah Twitter, karena salah satu media sosial yang sangat populer di Indonesia. Menurut Kementerian Komunikasi dan Informatika,Data pengguna Twitter ini dapat digunakan untuk menganalisis perkembangan sistem yang lebih baik dalam e-commerce, dan analisis yang dilakukan akan berguna untuk mengetahui pendapat pengguna Twitter tentang efisiensi pelanggan e-commerce.Proyek yang dipilih dalam penelitian ini adalah platform e-commerce dari perusahaan teknologi Indonesia Tokopedia dan perusahaan teknologi asing Shopee. Reccurent Neural Netwrok(RNN) adalah bagian dari jaringan saraf untuk memproses data yang terhubung (data berurutan). Algoritma RNN digunakan dalam analisis ini, yang menunjukkan kinerja yang baik dalam memproses data seperti teks.Identifikasi permasalahan yang ada yaitu persaingan antara e- commerce Tokopedia dan Shopee yang terdapat pada ulasan/tweets pengguna di sosial media Twitter. Membandingkan kepuasan pelayanan yang dirasakan pelanggan terhadap kedua e-commerce menggunakan Recurrent Neural Network (RNN) untuk mendapatkan nilai akurasi yang terbaik. Pencarian literatur berdasarkan topik penelitian yang telah ditentukan pada tahap awal penelitian ini.ulasan/tweets pengguna di sosial media Twitter dijadikan sebagai sumber data yang digunakan dalam penelitian untuk menyeleksi variabel.Confusion matrix digunakan untuk mengevaluasi kinerja sebuah model klasifikasi dengan membandingkan label asli dan prediksi label dari set data yang diberikan. Pada kasus ini, kita memiliki confusion matrix dengan dua kelas yang direpresentasikan sebagai 0 (negative) dan 1 (positive).Berdasarkan pembahasan dan hasil analisis, bahwa ulasan tweets yang berjumlah 200 data Tokopedia dan 200 data Shopee. Dalam proses pengujian klasifikasi dari hasil perhitungan confusion matrix yang menjadi acuan untuk prediksi dan aktual, lalu menggunakan model algoritma yaitu Simple RNN. Pada ulasan pelanggan lebih banyak menyukai pelayanan Tokopedia dari user Twitter dapat dilihat dengan data uji yang positif sebesar 140 data sedangkan data uji yang positif pada pelayanan Shopee sebesar 120 data. Hasil akurasi yang memperoleh performa lebih baik yaitu Tokopedia menggunakan algoritme Simple RNN dengan nilai akurasi mencapai 53%, presisi mencapai 57%, recall mencapai 50%, dan f1-score mencapai 53,27%. Jika dibandingkan nilai klasifikasi terbaik dari data Shopee dari algoritme Simple RNN menunjukkan nilai klasifikasi dengan hasil akurasi sebesar 47%, presisi mencapai 60%, recall sebesar 33%, dan f1-score mencapai 40%.