Analisis Modelling Pada Reviewes Lazada Indonesia Menggunakan Latent Dirichlet Allocation (LDA) Untuk Optimalisasi Strategi Bisnis

Haris Tri Saputra; Alfath Damanik; M. Mayo Shaquille; Marini Adibah Rusydi; Muhammad Habib Riziq; Naya Septia Zulva

doi:10.58794/jekin.v5i1.1325

Authors

Haris Tri Saputra Universitas Riau
Alfath Damanik Universitas Riau
M. Mayo Shaquille Universitas Riau
Marini Adibah Rusydi Universitas Riau
Muhammad Habib Riziq Universitas Riau
Naya Septia Zulva Universitas Riau

DOI:

https://doi.org/10.58794/jekin.v5i1.1325

Keywords:

Latent Dirichlet Allocation, ulasan produk, e-commerce, sentimen pelanggan, Lazada Indonesia

Abstract

Dalam era e-commerce yang semakin berkembang, analisis ulasan konsumen menjadi sangat penting untuk memahami sentimen dan preferensi pelanggan. Namun, jumlah ulasan yang besar sering kali menyulitkan pengguna dalam meninjau dan memahami tren utama. Penelitian ini bertujuan untuk menerapkan metode Latent Dirichlet Allocation (LDA) guna mengidentifikasi tema utama dalam ulasan produk di platform Lazada Indonesia. Dengan menganalisis topik yang paling sering muncul, penelitian ini memberikan wawasan tentang pengalaman, ekspektasi, serta permasalahan yang dihadapi konsumen. Data dikumpulkan dari berbagai kategori produk dan diproses melalui tahapan pembersihan teks, normalisasi, tokenisasi, penghapusan kata umum, serta stemming. Model LDA diterapkan dengan parameter yang dioptimalkan untuk meningkatkan akurasi pengelompokan topik. Hasil analisis menunjukkan beberapa tema dominan, seperti kualitas produk, layanan pengiriman, dan harga. Visualisasi topik menggunakan PyLDAvis memberikan gambaran yang lebih jelas mengenai pola dan distribusi topik yang relevan. Temuan ini diharapkan dapat memberikan manfaat bagi pemangku kepentingan dalam mengembangkan strategi pemasaran yang lebih efektif serta meningkatkan layanan pelanggan.

Downloads

Download data is not yet available.

References

R. L. Atimi and Enda Esyudha Pratama, “Implementasi Model Klasifikasi Sentimen Pada Review Produk Lazada Indonesia,” Jurnal Sains dan Informatika, vol. 8, no. 1, pp. 88–96, Jul. 2022.

A. Eka Prasetiyanto and A. Dwi Hartanto, “Analisis Review Siswa Selama Pembelajaran pada Masa Pandemi Menggunakan Metode Topic Modelling LDA,” 2022.

E. Puspita, D. F. Shiddieq, and F. F. Roji, “Pemodelan Topik pada Media Berita Online Menggunakan Latent Dirichlet Allocation (Studi Kasus Merek Somethinc),” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 4, no. 2, pp. 481–489, Feb. 2024.

Dewi Rosmala and Ryan Cahyadi N, “Analisis Sentimen Web Novel Menggunakan Metode Latent Dirichlet Allocation (LDA),” Merkurius : Jurnal Riset Sistem Informasi dan Teknik Informatika, vol. 2, no. 2, pp. 44–53, Mar. 2024, doi: 10.61132/merkurius.v2i2.74.

R. A. Rahman, V. H. Pranatawijaya, and N. N. K. Sari, “Analisis Sentimen Berbasis Aspek pada Ulasan Aplikasi Gojek,” 2024.

A. Iffan Alfanzar and I. Sudanawati Rozas, “TOPIC MODELLING SKRIPSI MENGGUNAKAN METODE LATENT DIRICLHET ALLOCATION,” Sistem Informasi |, vol. 7, no. 1, pp. 7–13.

F. Rashif, G. Ihza Perwira Nirvana, M. Alif Noor, and N. Aini Rakhmawati, “Implementasi LDA untuk Pengelompokan Topik Cuitan Akun Bot Twitter bertagar #Covid-19 LDA Implementation for Topic of Bot’s Tweets with #Covid-19 Hashtag,” Cogito Smart Journal |, vol. 7, no. 1, 2021.

C. Naury, D. H. Fudholi, and A. F. Hidayatullah, “Topic Modelling pada Sentimen Terhadap Headline Berita Online Berbahasa Indonesia Menggunakan LDA dan LSTM,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 5, no. 1, p. 24, Jan. 2021, doi: 10.30865/mib.v5i1.2556.

I. Yogi Indra Pranata, Z. Wahab, M. Widiyanti, A. Rosa, and M. Manajemen Universitas Sriwijaya Corresponding Author, “PENGARUH PROMOSI DAN HARGA TERHADAP KEPUTUSAN PEMBELIAN PADA E-COMMERCE LAZADA INDONESIA.”2022.

L. Pertiwi, “Penerapan Algoritma Text Mining, Steaming Dan Texrank Dalam Peringkasan Bahasa Inggris,” 2022.

C. E. Joergensen Munthe, N. Astuti Hasibuan, and H. Hutabarat, “RESOLUSI: Rekayasa Teknik Informatika dan Informasi Penerapan Algoritma Text Mining Dan TF-RF Dalam Menentukan Promo Produk Pada Marketplace,” Media Online, vol. 2, no. 3, pp. 110–115, 2022.

M. D. R Wahyudi, A. Fatwanto, U. Kiftiyani, and M. Galih Wonoseto. 2021. “Topic Modeling of Online Media News Titles during COVID-19 Emergency Response in Indonesia Using the Latent Dirichlet Allocation (LDA) Algorithm.“ 14.

F. Rahmat Junaedi, D. Fatimah Zahra, and T. Salsabila Ardan, “Analisis Ulasan Pembelian Produk Elektronik di Marketplace Tokopedia dengan menggunakan Topic Modelling,” Julyxxxx, vol. x, No.x, pp. 1–5, 2023.

R. Albalawi, T. H. Yeap, and M. Benyoucef. 2020. “Using Topic Modeling Methods for Short-Text Data: A Comparative Analysis.“ 3 (Juli).

A. B. Dieng, F. J. R. Ruiz, and D. M. Blei. 2020. “Topic Modeling in Embedding Spaces.“ 8. A. B. Dieng, F. J. R. Ruiz, and D. M. Blei. 2020. “Topic Modeling in Embedding Spaces.“ 8.

Kurniawan Rachmat, B., Suwarisman, A., Afriyanti, I., Wahyudi, A., & Saputra, D. D. (2023). ) 2023 1,2,3,4,5 Program Studi Sistem Informasi. Jurnal Teknologi Informasi dan Komunikasi), 7(1). https://doi.org/10.35870/jti

R A Rahman1 , V H Pranatawijaya2 , N N K Sari*3. 2024. “KONSTELASI: Konvergensi Teknologi dan Sistem Informasi.” Analisis Sentimen Berbasis Aspek pada Ulasan Aplikasi Gojek 4 (1): 89.

A. M. Grisales, S. Robledo, and M. Zuluaga. 2023. “Topic Modeling: Perspectives From a Literature Review.“ 11 (Januari).

A. Farkhod, A. Abdusalomov, F. Makhmudov, and Y. I. Cho,. 2021. “LDA-Based Topic Modeling Sentiment Analysis Using Topic/Document/Sentence (TDS) Model.“ 11.

(Rekayasa Sist. dan Teknol. Informasi), vol. 3, no. 2, pp. 176– 183, 2019, doi: 10.29207/resti.v3i2.935. M. D. R Wahyudi, A. Fatwanto, U. Kiftiyani, and M. Galih Wonoseto, “Topic Modeling of Online Media News Titles during COVID-19 Emergency Response in Indonesia Using the Latent Dirichlet Allocation (LDA) Algorithm,” Telematika, vol. 14, no. 2, pp. 101–111, 2021, doi: 10.35671/telematika.v14i2.1225.

F. Rashif, G. Ihza Perwira Nirvana, M. Alif Noor, and N. Aini Rakhmawati, “Implementasi LDA untuk Pengelompokan Topik Cuitan Akun Bot Twitter bertagar #Covid- 19 LDA Implementation for Topic of Bot’s Tweets with #Covid-1 Journal |, vol. 7, no. 1, 2021.