ANALISIS SENTIMEN BERBASIS ASPEK DAN DETEKSI EMOSI PADA COFFEE SHOP PALANGKA RAYA MENGGUNAKAN DEEP LEARNING

Abstract

Industri coffee shop terus berkembang pesat, tetapi mengelola ulasan online menjadi tantangan bagi pengelola bisnis dalam meningkatkan layanan. Penelitian ini bertujuan menganalisis sentimen berbasis aspek dan deteksi emosi pada ulasan pelanggan Coffee Shop di Palangka Raya menggunakan deep learning. Data ulasan dari 103 Coffee Shop dikumpulkan melalui Google Maps dengan Instant Data Scraper dan diproses melalui pembersihan data, normalisasi teks, stopword, tokenisasi, dan stemming.

Analisis dilakukan untuk mengklasifikasikan ulasan ke dalam aspek seperti Food and Drinks, Ambience, Place, dan Service serta mendeteksi emosi yang terkandung. Model deep learning yang digunakan adalah BERT dan LSTM. Hasil menunjukkan aspek "service" paling sering dibahas, diikuti oleh "place", "food and drinks", dan "ambience". Sentimen tertinggi adalah positif, diikuti negatif dan netral, dengan emosi dominan joy, anticipation, dan trust. Model BERT mencapai akurasi 99% dalam klasifikasi sentimen, memberikan kontribusi untuk memahami persepsi pelanggan terhadap layanan Coffee Shop serta menjadi referensi bagi pengelola untuk meningkatkan kualitas layanan berdasarkan ulasan pelanggan.