Search for collections on Universitas Islam Negeri Sultan Syarif Kasim Riau Repository

Sentimen Analisis Social CRM pada Media Sosial Instagram Menggunakan Machine Learning untuk Mengukur Retensi Pelanggan

Qhairani, Frilla F. Safiesza Sentimen Analisis Social CRM pada Media Sosial Instagram Menggunakan Machine Learning untuk Mengukur Retensi Pelanggan. Building of Informatics, Technology and Science (BITS). ISSN 2685-3310 (Submitted)

[img]
Preview
Text
Qhairani Frilla F. Safiesza.pdf - Accepted Version

Download (9MB) | Preview

Abstract

Guna menciptakan dan mempertahankan daya saing yang unggul dalam perekonomian berbasis pengetahuan maka sebuah bisnis harus mampu memanfaatkan data serta mengelola hubungan terhadap pelanggan lewat penerapan Customer Relationship Management khususnya Social CRM. Social CRM menjadi sebuah pembaharuan dalam strategi bisnis yang diciptakan untuk melibatkan pelanggan dalam sebuah percakapan kolaboratif dan menciptakan nilai yang saling menguntungkan dalam suatu lingkungan bisnis yang terpercaya dan transparan. Melihat perkembangan ini sebagai salah satu perusahaan kuliner di sektor Oleh-oleh yang sukses di pekanbaru, perusahaan harus mampu untuk memproses semua informasi yang didapatkan. Saat ini perusahaan belum pernah menganalisis komentar di media sosial terkhususnya akun instagram. Komentar komentar ini berguna untuk bahan evaluasi serta dapat menjadi parameter kepuasan pelanggan serta melihat potensi retensi pelanggan. Untuk menilai komentar komentar positif dan negatif pada akun instagram tersebut maka dapat dilakukan menggunakan sentimen analisis dengan machine learning yakni 3 algoritma klasifikasi yaitu Naive Bayes Classifier (NBC), Support Vector Machine(SVM) dan Random Forest (RF). Hasil sentiment menunjukkan algoritma SVM dan NBC memperoleh akurasi terbaik sebesar 74.26% dibandingkan RF serta hasil analisis social CRM menunjukkan pelanggan lebih puas terhadap perusahaan dari segi produk, pelayanan, dan aksi aksi yang dilakukan oleh perusahaan sehingga perusahaan dianggap mampu mempertahankan pelanggannya.

Item Type: Article
Contributors:
ContributionNameNIDN/NIDKEmail
Thesis advisorM. AFDAL, -2028038801m.afdal@uin-suska.ac.id
Subjects: 000 Karya Umum
Divisions: Fakultas Sains dan Teknologi > Sistem Informasi
Depositing User: fsains -
Date Deposited: 17 Jul 2024 03:55
Last Modified: 17 Jul 2024 03:55
URI: http://repository.uin-suska.ac.id/id/eprint/82212

Actions (login required)

View Item View Item