BAB I PENDAHULUAN 1.1 Latar Belakang

Transkripsi

1 BAB I PENDAHULUAN 1.1 Latar Belakang Situs belanja online sering disebut juga dengan situs e-commerce yaitu suatu proses membeli dan menjual produk-produk secara elektronik oleh konsumen dan dari perusahaan ke perusahaan dengan komputer sebagai transaksi bisnis [1]. Ada empat macam e-commerce yang pertama C2C (Customer to Customer), B2B (Bussiness to Bussiness), B2C (Bussiness to Customer), B2B2C (Bussiness to Bussiness to Customer). Selain dilihat dari empat segi pemasarannya, situs belanja online memliki dua macam tipe yaitu mereka hanya menyediakan tempat untuk penjual dan pembeli bertemu dan tidak bertanggung jawab pada transaksi dan ada juga pemilik situs belanja online yang memiliki toko nya sendiri mereka bertanggung jawab atas semua transaksi yang terjadi. Tetapi tujuannya sama yaitu untuk memuaskan pelanggan dengan produk dan layanan yang ditawarkan serta mempermudah hasrat berbelanja masyarakat tanpa dibatasi wilayah. E-commerce pertama kali diperkenalkan pada tahun 1994 pada saat pertama kali banner elektronik dipakai untuk tujuan promosi dan periklanan di suatu halaman web[2]. Pada zaman sekarang situs-situs belanja online menjadi pilihan yang paling digemari masyarakat untuk berbelanja suatu produk. Kelebihan yang diberikan adalah pembeli tidak perlu datang lansung ke toko, wilayah tidak menjadi pembatas untuk membeli yang artinya dapat menghemat biaya akomodasi, toko dapat diakses 24 jam, tidak ada tawar menawar barang biasanya situs belanja online menyediakan banyak diskon, kupon dan bahkan bebas ongkos kirim untuk menarik minat pembeli dan bersaing dengan situs belanja online lainnya, penjual tidak perlu membangun

2 toko hanya mengandalkan elektronik dsn jaringan internet yang berarti menghemat biaya dan menambah keutungan, pengecekkan terhadap transaksi yang baru saja dilakukan cepat dan mudah. Namun karena kelebihan itulah munculah beberapa kekurangan, antara lain tidak jarang terjadi penipuan pada saat melakukan transaksi hal ini dapat dialami penjual maupun pembeli karena uang di tansfer melalui atm pembeli dapat mengirimkan bukti palsu transfer uang dan penjual tidak mengirim barang yang sudah dipesan, barang yang ada digambar tidak sesuai dengan aslinya, pengirimannya lama, kemasan rusak serta jika terjadi kesalahan warna, ukuran banyak situs belanja online yang tidak menerima return barang (tukar barang). Maka dari itu konsumen menggunakan sosial media untuk melampiaskan perasaan terhadap pelayanan yang diberikan oleh perusahaan e-commerce tersebut. Salah satu media social yang paling sering digunakan adalah twitter yang tediri dari 140 karakter untuk sekali menulis tweet. Twitter pertama kali dikenalkan oleh Jack Dorsey seorang mahasiswa salah satu Universitas di New York. Awalnya dia hanya membuat sketsa tentang aplikasi pesan singkat di kertas hingga akhirnya Jack Dorsey bersama dengan Noah Glass, Biz Stone dan Evan William meluncurkan twitter pada 21 Maret Semua orang dapat mendaftar akun twitter dengan mudah dan dapat mengaksesnya dimana saja dan kapan saja tidak hanya lewat desktop (komputer, laptop) twitter juga dapat diakses menggunakan mobile (handphone, tablet) yang semakin mempermudahkan penggunanya. Setiap harinya ada saja tulisan yang tidak berguna berisi curahan hati si pengguna twitter, percakapan antar pengguna twitter, retweet, berita, promosi dan bahkan spam. Dengan pengguna aktif sebanyak 302 juta sampai dengan Mei 2015 [3] twitter menjadi sarana yang pas untuk media promosi dan mencari informasi. Jadi twitter merupakan sarana yang tepat untuk promosi produk dan memberikan opini tentang pelayanan yang diberikan oleh situs belanja online tersebut. Dengan kicauan konsumen di twitter konsumen berikutnya

3 dapat membandingkan situs belanja online mana yang terbaik dari segi pengiriman barang, harga barang dan kualitas barang. Opini tersebut bisa saja bersifat positif atau negatif hal ini disebut dengan sentimen publik. Tetapi masalahnya konsumen tidak dapat menyimpulkan situs belanja online mana yang memiliki pelayanan paling baik karena banyaknya kicauan di twitter bahkan trending topic yang ada di twitter pun hanya menampilkan topik yang sedang banyak diperbincangkan tanpa memberikan suatu kesimpulan [4]. Maka fungsi text mining dalam masalah ini sangat dibutuhkan yaitu untuk mengklasifikasi opini dari masyarakat agar menjadi suatu kesimpulan. Sebelum dilakukan proses klasifikasi perlu dilakukan pemberian label/kelas kedalam dokumen yang berupa opini masyarakat. Maka perlu dilakukan proses clustering yaitu opini masyarakat tersebut masuk kedalam opini positif atau negatif. Clustering dapat diartikan pengelompokkan data atau objek kedalam cluster sehingga setiap dalam cluster tersebut akan berisi data yang semirip mungkin dan berbeda dengan objek dalam cluster lain [4]. Algoritma k-means dipilih untuk menyelesaikan proses clustering karena algoritma ini paling umum dan mudah untuk digunakan. Selain itu k-means mempunyai kemampuan mengelompokkan data dalam jumlah yang cukup besar dengan waktu komputasi yang relatif cepat dan efisien[5]. Setelah itu baru dilakukan proses klasifikasi untuk mendukung proses clustering agar hasilnya lebih optimal. Ada banyak algoritma klasifikasi seperti C4.5, K-Nearest Neighbor, Genetic Algorithm, Support Vector Machine (SVM), Naïve Bayes Classifier (NBC) dan masih banyak yang belum disebutkan. Metode Naïve Bayes Classifier digunakan dalam penelitian kali ini, hal itu dikarenakan NBC memerlukan waktu komputasi yang singkat dan penggunaan yang sederhana dan mudah akurasinya juga tidak berbeda jauh dengan metode lain[6]. Metode Naïve Bayes Classifier (NBC) adalah metode pengklasifikasian yang menerapkan Teorema Bayes dalam menentukan probablitas. Cara kerja dari

4 metode Naïve Bayes Classifier adalah menghitung peluang dari satu kelas dari masing-masing kelompok atribut yang ada dan menentukan kelas mana yang paling optimal, artinya pengelompokan dapat dilakukan berdasarkan kategori yang pengguna masukkan pada perangkat lunak. Pada penelitian sebelumnya yaitu Analisis Sentimen Masyarakat terhadap Calon Presiden Indonesia 2014 berdasarkan Opini dari Twitter menggunakan Metode Naïve Bayes Classifier diperoleh akurasi sebesar 90%[4]. Pada penelitian kedua yaitu An Ensemble Sentiment Classification System of Twitter Data for Airline Sevices Analysis sebelum diperoleh akurasi penggabungan dari lima metode yaitu Naïve Bayes, Bayesian Network, SVM dan C4.5 akurasi teringgi diperoleh Bayesian Network Classifier sebesar 91.4% dan yang kedua adalah Naïve Bayes Classifier sebesar 90%[7]. Berdasarkan latar belakang diatas maka judul yang diambil adalah Analisis Sentimen untuk Mengukur Pelayanan Situs Belanja Online dengan Menggunakan K-Means Clustering dan Metode Naïve Bayes Classifier. 1.2 Rumusan Masalah Dari latar belakang diatas, maka dapat ditentukan rumusan masalah yaitu, bagaimana memberikan kesimpulan terhadap pelayanan situs belanja online berdasarkan tingkat opini masyarakat di Indonesia melalui sosial media twitter menggunakan k-means untuk clustering (pemberian kelas) dan naïve bayes classifier untuk klasifikasi. 1.3 Batasan Masalah Dalam hal ini agar pembahasan yang dibahas tidak terlalu melebar, maka akan diberikan batasan masalah. Pokok pembahasan yang akan dibahas yaitu: 1. Data yang diambil hanya berasal dari sosial media twitter.

5 2. Penelitian ini menggunakan data berupa opini masyarakat yang menggunakan bahasa Indonesia. 3. Penelitian hanya dilakukan pada situs belanja online di Indonesia yaitu Lazada, Tokopedia, Buka Lapak dan Blibli. 4. Aplikasi yang dibuat merupakan aplikasi berbasis web. 5. Untuk pelabelan data digunakan metode k-means yang digunakan untuk clustering dan terdiri dari dua label, yaitu C1 untuk label negatif dan C2 untuk label positif. 6. Algoritma Naive Bayes Classifier adalah algoritma yang digunakan dalam penelitian ini dan tidak melakukan perbandingan dengan algoritma lain. 7. Data diambil dari bulan Desember 2016 sampai dengan bulan Juli Tujuan Penelitian Berdasarkan latar belakang dan rumusan masalah diatas, maka dapat ditentukan tujuan penelitian yaitu untuk meneliti opini masyarakat terhadap situs belanja online sehingga memperoleh kesimpulan situs belanja online mana yang memliki pelayanan terbaik dan dapat dijadikan untuk rekomendasi belanja di masa yang akan datang dan mengetahui kinerja algoritma K-Means dan NBC. 1.5 Manfaat Penelitian Bagi Akademik Penelitian ini dapat digunakan untuk mengembangkan materi dan konsep sentimen analisis serta dapat melengkapi referensi pustaka akademik Bagi Masyarakat Masyarakat bisa terbantu dengan adanya analisis sentimen terhadap situs belanja online ini karena masyarakat dapat mengetahui situs belanja online apa yang memiliki pelayanan terbaik dengan

6 begitu mereka dapat mempertimbangkan dan memilih situs mana yang akan digunakan untuk berbelanja di masa depan Bagi Penulis Penulis dapat mengaplikasikan ilmu dan keterampilan yang diperoleh di perkuliahan Teknik Informatika, dan untuk memenuhi salah satu syarat kelulusan Strata Satu (S1) Teknik Informatika Universitas Dian Nuswantoro, mengetahui opini/tanggapan masyarakat saat berbelanja online serta menambah wawasan pengetahuan dan pengalaman dengan implementasi secara langsung tentang pembuatan analisis sentimen situs belanja online melalui twitter dengan menggunakan metode k-means untuk clustering dan metode Naïve Bayes Classifier untuk klasifikasi.