ANALISIS TANGGAPAN PASAR TERHADAP
PERUSAHAAN RITEL RAKSASA INDOMART DAN
ALFAMART
Sulhaerati1, Linda Kurnia2, Achmad Kurniansyah 3, Aulia Ananda Yuliana4
1,2,3,4 Jurusan Statistika , Fakultas Matematika dan Ilmu Pengetahuan Alam,
Universitas Islam Indonesia
Jl. Kaliurang Km 14,5 , Sleman – DI Yogyakarta, Email : [email protected] [email protected]2 [email protected][email protected]4 ABSTRAK
Alfamart dan Indomart sebagai dua perusahaan ritel raksasa yang memiliki karakteristik yang sama menyebabkan adanya persaingan yang ketat antara dua brand tersebut untuk menguasai pasar bisnis. Miningkatnya persaingan menuntut perusahan untuk memperhatikan kebutuhan konsumen. Social media twitter menjadi salah satu adah konsumen untuk mengemukaan tanggapan-tanggapanya terkait hal yang berhubungan dengan kedua usaha tersebut. Berdasarkan hal tersebut maka dilakukan penelitian analisis sentiment pasar terhadap perusahaan ritel raksasa indomart dan alfamart. Berdasarkan hasil penelitian ini diperoleh kesimpulan dari 1000 tweet menganai alfamart dan indomart, alfamart lebih unggul dibandingkan Indomart. Dilihat dari word cloud alfamart dan indomart, kata yang paling sering muncul dalam tweet konsumen adalah Indomaret dan alfamart.
Keywords : sentiment analysis, alfamart, indomart, twitter, analisis sentimen.
I. PENDAHULUAN Dalam
lagi dikelola secara tradisional,
melainkan dengan
cara modern.
Persaingan yang ketat pada bisnis ritel tidak terlepas semakin menjamurnya pusat-pusat perbelanjaan baik yang bersifat lokal, nasional, maupun internasional dengan berbagai faktor yang dibidik. Persaingan tersebut
memacu para
pebisnis di bidang ritel untuk senantiasa menjadi ritel pilihan
ditambah lagi lokasi keduanya yang saling berdekatan dan pembangunan kedai secara berkala menunjukkan kepada masyarakat adanya sebuah persaingan secara terbuka. Indomart dan Alfamart adalah dua minimarket yang saat ini sedang berkembang dan mendapat respon baik oleh masyarakat. Tingginya persaingan diantara kedua minimarket ini tentunya mengaharuskan masing-masing menerapkan strategi pemasaran yang efektif agar
mampu memenangkan
persaingan.
Persaingan antara kedua brand minimarket ternama Indomaret dan Alfamart sangat ketat bisa dilihat dari lokasinya selalu dalam jarak yang tidak berjauhan, segmen hingga tata ruang nya tidak jauh berbeda demikian pula jenis barang yang ditawarkan tidak jauh berbeda. Persaingan antara
keduanya memicu
pelayanan untuk memenangkan hati konsumen. Setiap perusahaan dituntut
untuk mampu
memuaskan aspek psikologis pelanggan dengan menilai keinginan-keinginan, kebutuhan serta harapan pelanggan terhadap pasar. dikonsumsinya akan mencari penyedia barang atau jasa dari perusahaan lain. Sehingga kepuasan pelanggan menjadi salah satu tujuan setiap perusahaan, hal ini tercermin dari semakin maraknya publikasi tentang produk dan berbagai cara dalam mengambil
perhatian pelanggan. Dengan adanya hal ini dapat diyakini
bahwa memenangkan
persaingan dagang dibutuhkan strategi yang bagus dan terobosan-terobosan yang cukup menarik minat pelanggan.
Setiap perusahaan dituntut untuk menciptakan strategi bersaing yang baik
dan terpadu karena
persaingan adalah kunci dari keberhasilan atau kegagalan
suatu perusahaan.
Meningkatnya intensitas persaingan dari pesaing menuntut perusahaan untuk selalu memperhatikan kebutuhan dan keinginan konsumen serta berusaha
memenuhi harapan
konsumen dengan cara memberikan pelayanan yang lebih memuaskan daripada yang dilakukan oleh pesaing. (Anindita,2012). Beragam strategi Indomart dan Alfamart untuk menarik minat
customer, dan banyaknya
hampir diseluruh daerah di Indonesia memunculkan
keiingintahuan penulis terhadap pencapaian yang telah dilakukan Indomart maupun Alfamart kepada
Customer berdasarkan
dari analisis
tanggapan-tanggapan berupa status di media sosial seperti twiter
II. PENELITIAN YANG BERHUBUNGAN analisis sentimen pada data twitter dengan menggunakan text mining terhadap suatu produk yang menghasilkan kesimpulan bahwa semakin banyak data latih saat trining maka nilai sosial media twitter menggunakan Naive bayes Classefier terhadap kata kunci kurikulum 2013 dengan hasil penelitian yaitu menghasilkan sebuah sistem yang dapat mengklasigikasi sentimen secara otomatis dengan pengujian 3000 data latih dan 1000 tweet data uji coba mencapai 91 %.
Selain itu penelitian oleh Arkhamsiagustianh yang berjudul
word cloud of corruption eradiction comission yang menghasilkan kesimpulan mayoritas kata yang paling sering muncul dari akun resmi KPK adalah korupsi, antikorupsi, savekpk, gratifikasi dan kalalkpk.
III. METODE PENELITIAN Objek penelitian yang diangkat adalah tweet dari media social twitter mengenai Alfamart dan Indomart. Diambil 100 tweet
akan diamati mengenai Alfamart dan Indomart.
Variabel yang digunakan dalam penelitian ini adalah tweet
dengan keyword atau kata kunci Alfamart dan Indomart yang kemudian akan tweet tentang kedua
keyword tersebut. Penelitian inin menggunakan data sekunder yang diambil dari hasil crawling data di media sosial twitter
(www.twitter.com) .
A. Metode Analisis
Data
Untuk mengolah data yang didapatkan, digunakan software Microsoft Excel 2013 dan
R 3.2.2. Ada beberapa metode analisis data yang digunakan dalam penelitan ini, antara lain :
a. Metode Analisis Deskriptif, digunakan untuk menggambarkan dan menjelaskan secara
umum mengenai objek penelitian.
b. Crawling, digunakan untuk
menggali data berupa kata kunci di dalam media sosial untuk mendapatkan tweet secara acak sebagai objek penelitian.
c. Asosiasi, digunakan untuk mengidentifikasi dan membentuk pola kata yang berasosiasi dengan kata lain guna mendapatkan informasi yang dianggap penting dan berguna.
B. Langkah Penelitian
Gambar 3.1 Diagram Alir Penelitian
IV. HASIL
Gambar 4.1 Analisis sentimen pada alfamart
Gambar 4.1 menunjukan klasifikasi tweet tentang alfamart dari 1000 tweet. Klasifikasi tersebut dibagi menjadi 3 kategori yaitu negative, neutral, dan positive. Dari 1000 tweet yang sudah diambil diperoleh hasil yaitu sebanyak 990 kata yang termasuk kategori positif dan 50 tweet sisanya terklasifikasi kedalam kategori negatif atau netral, sehingga tweet positif masih mendominasi
tanggapan costumer terhadap alfamart.
Gambar 4.2 Analisis sentimen pada indomart
Gambar 4.2 merupakan hasil klasifikasi 1000 tweet tentang indomart dimana 950 tweet terkategori dalam klasifikasi postif, 40 tweet terkategori negatif dan 10 tweet terkategori netral.
Selain itu, untuk visualisasi data digunakan word cloud seperti berikut ini.
Gambar 4.3 Tabel frekuensi kata pada tweet alfamart
kata dengan frekuensi paling besar yaitu 967, selanjutnya kata indomaret yaitu sebanyak 418 dan seterusnya sampai pada kata thank yaitu sebesar 160. Selanjutnya untuk visualisasi data tweet dapat dilihat pada word cloud dibawah ini.
Gambar 4.4 Word Cloud Alfamart
Berdasarkan
gambar 4.4 dapat dilihat bahwa kata dompetku menjadi kata yang paling sering muncul di tweet konsumen mengenai alfamart. Selain itu kata lain yang memiliki frekuensi yang tinggi yaitu alfamart, premium,
bekerjasama, indomart, bisa dan layanan.
Gambar 4.5 Tabel frekuensi kata pada tweet indomart
Dapat dilihat pada gambar 4.5 bahwa kata indomaret menjadi kata dengan frekuensi paling besar yaitu 984, selanjutnya kata alfamart yaitu sebanyak 423, seterusnya sampai pada kata atm
Gambar 4.5 Word Cloud Indomart
Berdasarkan
gambar 4.4 dapat dilihat bahwa kata indomart, dompetku,
premium,alfamart,
bekerjasama, layanan, bisa dan indosatcar.
V. KESIMPULAN
Dari 1000 tweet dapat disimpulkan bahwa alfamart lebih unggul dibandingkan
Indomart. Dilihat dari word cloud alfamart dan indomart, kata yang paling sering muncul dalam tweet
konsumen adalah kata Indomaret dan alfamart.
DAFTAR PUSTAKA
Aher, S. B., Lobo, L.M. R. J. 2012.
Association Rule Mining of Classified and Clustered Data of e-Learning System. International Journal of Computer Applications® (IJCA).
Bishop, C. M., 2006. Pattern Recognition and Machine Learning. New York: Springer-Verlag.
Kotler, Philip dan Keller. 2009. Manajemen Pemasaran. Jakarta: Erlangga.
Kurniawan, B., Effendi, S., Sutompul, O. P. 2012.
Klasifikasi Konten Berita dengan Metode Text Mining. Journal Dunia Teknologi Informasi, Vol.1, Hal.14-19. LAPOR!. 2015. Tentang LAPOR!.
https://www.lapor.go.id/lapor /tentang_lapor/tentang- layanan-aspirasi-dan-
Lingga, Purnama. 2002. Stategic
Marketing Plan. Jakarta: PT Gramedia Pustaka Utama.
Nashihun, M. Ulwan. 2016. Pattern Recognition Pada Unstructured Data Teks Menggunakan Support Vector Machine dan Association. Tugas Akhir. Jurusan Statistika Universitas Islam Indonesia Yogyakarta. Notoatmodjo, S. 2010.
Metodologi Penelitian Kesehatan.
Jakarta : Rineka Cipta.
Sari, Khrisna Dini Yunita. 2006. Kategorisasi Teks Dengan Metode Klasifikasi Support Vector Machine.
Tugas Akhir. Jurusan Teknik Informatika Universitas Telkom. Septianusa. 2015.
Pengenalan Pola Aktivitas
Gunung Api Dan Gempa Bumi Menggunakan Teknik Algoritma Spade Dan Visualisasi. Tugas Akhir. Jurusan Statistika Universitas Islam Indonesia Yogyakarta.
Sudjana, Nana dan Ibrahim. 2007. Penelitian dan Penilaian Pendidikan. Bandung: Sinar Baru Algensindo.
Sugiyono.2012.Metode Penelitian Pendidikan.Bandung: CV Alfabeta.
Wirartha, I Made. 2006.
Metodologi Penetilian Sosial Ekonomi. Yogyakarta: C.V Andi Offset.
Yoeti, OA. 2010. Dasar-dasar Pengertian Hospitaliti dan Pariwisata. Bandung: PT Alumni.
