No. Dok.: FM-GKM-S1TI-FT-6-06-07; Tgl. Efektif : 09 Juli 2018; Rev : 01; Halaman : 1 dari 1
ANALISIS SENTIMEN JASA PENGIRIMAN BARANG DENGAN MENGGUNAKAN ORANGE DATA MINING
TUGAS SARJANA
Diajukan Untuk Memenuhi Sebagian dari
Syarat-Syarat Memperoleh Gelar Sarjana Teknik Industri
Oleh
RIZKY K SIMAMORA NIM : 170403126
D E P A R T E M E N T E K N I K I N D U S T R I F A K U L T A S T E K N I K
UNIVERSITAS SUMATERA UTARA M E D A N
2 0 2 2
No. Dok.: FM-GKM-S1TI-FT-6-06-08; Tgl. Efektif : 09 Juli 2018; Rev : 01; Halaman : 1 dari 1
ANALISIS SENTIMEN JASA PENGIRIMAN BARANG DENGAN MENGGUNAKAN ORANGE DATA MINING
TUGAS SARJANA
Diajukan Untuk Memenuhi Sebagian dari
Syarat-Syarat Memperoleh Gelar Sarjana Teknik Industri
Oleh
RIZKY K SIMAMORA NIM : 170403126
Disetujui Oleh Dosen Pembimbing
Khalida Syahputri, ST, MT
D E P A R T E M E N T E K N I K I N D U S T R I F A K U L T A S T E K N I K
UNIVERSITAS SUMATERA UTARA M E D A N
2 0 2 2
PERNYATAAN ORISINALITAS
Judul : ANALISIS SENTIMEN JASA PENGIRIMAN BARANG DENGAN MENGGUNAKAN ORANGE DATA MINING
Saya menyatakan bahwa tugas akhir ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Desember 2021
RIZKY K SIMAMORA 170403126
ABSTRAK
Kemajuan pengetahuan dan teknologi beserta aplikasinya di segala bidang tidak bisa lepas dari perangkat digital. Sosial media kini menjadi tempat sebagai perbincangan publik. Topik pembicaraan dalam sosial yang beragam menjadi hal unik tersendiri untuk diteliti. Dimana dari topik yang mereka bicarakan menghasilkan sentimen. Penyedia jasa pengiriman barang juga menjadi salaha satu sektor yang masih masih mendapat banyak komentar negatif seperti masalaha rute pengiriman yang semakin jauh, keterlambatan paket sampai di tangan konsumen, paket yang tidak dapat di lacak oleh konsumen, dan lain-lain. Oleh karena itu perlu dibahas analisis sentimen pada penyedia jasa pengiriman barang. Pengumpulan data dilakukan dengan penambangan data komentar dari akun sosial media twitter penyedia jasa. Tahapan pengolahan dimulai dengan membagi data ulasan dalam tiga kelompok sentimen yaitu negatif, positif, dan netral. Dimana ulasan yang mengandung sentimen positif berjumlah 93, ulasan dengan sentimen netral berjumlah 272, dan ulasan dengan sentimen negatif berjumlah 834. Data ulasan yang mengandung sentimen negatif berjumlah kurang lebih 69,55% dari total jumlah data ulasan yang diolah sedangkan sentimen netral berjumlah kurang lebih 22,68% dan selebihnya sentimen positif yaitu kurang lebih 7,75%. Faktor- faktor yang mempengaruhi adanya sentimen negatif adalah pelayanan konsumen, kondisi paket yang diterima oleh pelanggan, dan masalah pengiriman menjadi topik yang paling banyak di bahas pada sentimen negatif. Sebagai usulan perbaikan dengan bantuan tools fishbone diagram, perbaikan perlu di fokuskan pada peninjauan ulang SOP penyedia jasa pengiriman barang, melakukan pelatihan karyawan, pemanfaaatan tegnologi dan material handling dalam penangan barang.
Keywords : Analisis Sentimen, Jasa Pengiriman Baran, Media Sosial, Twitter, Vader, Orange
ABSTRACT
Advances in knowledge and technology and their applications in all fields cannot be separated from digital devices. Social media is now a place for public discussion. The topics of conversation in various social circles are unique things to be researched. Where from the topics they generate generate sentiment. Goods delivery service providers are also one of the sectors that still get a lot of negative comments such as problems with shipping routes that are getting farther away, delays in packages reaching consumers, packages that are not tracked by consumers, and others.
Therefore, it is necessary to discuss sentiment analysis on goods delivery service providers. Data collection is done by mining comment data from the service provider's twitter social media account. The processing stage begins by dividing the data review into three sentiment groups, namely negative, positive, and neutral. Where reviews containing positive sentiment 93, reviews with negative sentiment returned to 272, and reviews with negative sentiment 834. Data reviews containing negative sentiment operated approximately 69.55% of the total number of data reviews processed while opening sentiment was approximately 22, 68% and the rest is positive sentiment, which is approximately 7.75%. The factors that influence the existence of negative sentiment are customer service, the condition of the package received by the customer, and delivery problems which are the most discussed topics on negative sentiment. As a proposal for improvement with the help of fishbone diagram tools, improvements need to focus on improving the SOP for goods delivery service providers, conducting employee training, utilizing technology and material handling in handling goods.
Keywords: Sentiment Analysis, Delivery Service, Social Media, Twitter, Vader, Orange
KATA PENGANTAR
Puji dan syukur penulis ucapkan kepada kehadirat Tuhan Yang Maha Esa yang telah memberikan rahmat dan karunia-Nya kepada penulis sehingga penulis dapat menyelesaikan tugas sarjana ini.
Tugas sarjana merupakan salah satu syarat untuk mendapatkan gelar Sarjana Teknik di Departemen Teknik Industri, khususnya program studi reguler strata satu, Fakultas Teknik, Universitas Sumatera Utara. Tugas Sarjana ini berjudul Analisis Sentimen Jasa Pengiriman Barang Dengan Menggunakan Orange Data Mining.
Penulis menyadari bahwa masih terdapat kekurangan dalam penyusunan laporan Tugas Sarjana ini sehingga diperlukan perbaikan dan penyesuaian lebih lanjut. Untuk itu penulis mengharapkan kritik dan saran yang membangun. Akhir kata, penulis berharap semoga laporan ini dapat membawa manfaat berguna bagi pembaca.
UNIVERSITAS SUMATERA UTARA PENULIS,
MEDAN, DESEMBER 2021 RIZKY K. SIMAMORA
UCAPAN TERIMA KASIH
Pendidikan Sarjana Teknik yang diperoleh penulis selama di bangku perkuliahan di Departemen Teknik Industri Fakultas Teknik Universitas Sumatera Utara hingga penyelesaian tugas sarjana untuk memperoleh gelar Sarjana Teknik merupakan proses terintegrasi untuk menjadikan penulis sebagai lulusan yang terdidik, berguna dan memiliki integritas moral serta berakhlak dan mampu mencapai kehidupan yang lebih baik.
Penulisan Tugas Sarjana ini tidak akan terselesaikan dengan baik jika penulis tidak mendapatkan bimbingan, bantuan dan doa dari berbagai pihak sehingga penulis mengucapkan terima kasih kepada:
1. Kedua orang tua penulis yang sangat dicintai dan tiada hentinya memberikan dukungan dan dorongan kepada penulis, baik secara moral maupun moril selama penulis menempuh pendidikan.
2. Bapak Aulia Ishak, ST, MT, Ph. D selaku Ketua Departemen Teknik Industri Fakultas Teknik Universitas Sumatera Utara yang telah memberikan izin dan dukungan atas pelaksanaan tugas sarjana ini.
3. Ibu Rahmi Meilina Sari, ST., MM(T) selaku Sekretaris Departemen Teknik Industri Fakultas Teknik Universitas Sumatera Utara yang telah menjadi panitera pada Seminar dan Sidang Tugas Sarjana.
4. Ibu Khalida Syahputri, ST., MT selaku dosen pembimbing yang telah memberikan waktu, bimbingan dan arahan, serta motivasi penuh kepada penulis untuk bisa menyelesaikan tugas sarjana ini.
ix
5. Seluruh dosen Departemen Teknik Industri Fakultas Teknik Universitas Sumatera Utara yang telah mendidik penulis selama perkuliahan sebagai bekal dalam penulisan tugas sarjana.
6. Saudara terkasih penulis, Lusi, Dedy, Sri Yenni dan Agnes yang senantiasa memberikan semangat dan motivasi serta selalu mendampingi penulis dalam suka dan duka dalam menyelesaikan proses perkuliahan dan penyusunan Tugas Akhir ini.
7. Sahabat penulis selama perkuliahan, Susan Sitorus, Riri Muzdalifah, Kharisma Wardah, Putri Rahmadani, Nurulita, Ramadhan, Fioria, dan Gilbert yang telah memberikan bantuan, dukungan serta doa kepada penulis selama berkuliah di Teknik Industri.
8. Sahabat-sahabat terbaik penulis yang senantiasa menjadi teman berbagi cerita dan tempat bertukar pikiran bagi penulis Rosi Mariana, Widya Anjelina, Yohana Purba, Adelina Sihite, Hilda Purba, Veronika, Jose, dan Rio.
9. Kelompok tumbuh bersama penulis Falda, Rikardo, Teresia, Ivan, Ka Yunela, Ka Christine yang telah memberikan bantuan, dukungan serta doa kepada penulis selama berkuliah di Teknik Industri
10. Teman-teman Asisten Laboratorium Komputasi 2017 yang telah memberikan motivasi, dukungan dan doanya, yaitu Felix Kurniawan, Daniel Titus, Yence Wijaya, Brian, Marsinta, Samuel Gleneasi S., dan Hoirul Anwar.
11. Teman-teman ATLANTIS yang merupakan teman-teman stambuk 2017 penulis di Departemen Teknik Industri Fakultas Teknik Universitas Sumatera Utara.
x
12. Adik-adik Asisten Laboratorium Komputasi 2018 yang telah memberikan motivasi, dukungan dan doanya, yaitu Jansen Stanlie, Eric Damaris, Richo Giwana, Felix, Deswan, Junita, Rachel dan Kartatiawarman.
13. Seluruh pegawai Departemen Teknik Industri, Fakultas Teknik, Universitas Sumatera Utara, atas bantuan berupa administrasi, moral, dan material yang telah mengantarkan penulis hingga tahap ini.
14. EXO, NCT, dan aespa yang telah menghibur dan membantu penulis untuk memperoleh inspirasi penyelesaian tugas-tugas kuliah hingga penyelesaian tugas akhir ini.
15. Mark Lee, selaku idola dan panutan penulis yang atas karya-karyanya yang telah menemani dan menghibur penulis selama penyusunan Tugas Sarjana.
16. Seluruh pihak yang telah banyak memberikan bantuan kepada penulis dalam penyelesaian tugas sarjana ini yang tidak dapat disebutkan satu per satu.
DAFTAR ISI
BAB HALAMAN
LEMBAR SAMPUL ... i
LEMBAR PENGESAHAN ... ii
SERTIFIKAT EVALUASI ... iii
LEMBAR PERNYATAAN ORISINALITAS ... iv
ABSTRAK ... v
ABSTRACT ... vi
KATA PENGANTAR. ... vii
UCAPAN TERIMA KASIH ... viii
DAFTAR ISI ... xi
DAFTAR TABEL ... xv
DAFTAR GAMBAR ... xvi
DAFTAR LAMPIRAN ... xviii
I PENDAHULUAN ... I-1 1.1 Latar Belakang ... I-1 1.2 Rumusan Masalah ... I-10 1.3 Tujuan Penelitian... I-10 1.4 Manfaat Penelitian... I-11 1.5 Batasan dan Asumsi Penelitian ... I-11 1.6 Sistematika Penulisan Laporan ... I-12
xii
DAFTAR ISI (LANJUTAN)
BAB HALAMAN
II TINJAUAN PUSTAKA ... II-1 2.1 Data Mining ... II-1 2.1.1 Pengertian Data Mining ... II-1 2.1.2 Pengelompokan Data Mining... II-2 2.1.3 Text Mining ... II-4 2.1.4. Machine Learning ... II-4 2.2 Analisis Sentimen ... II-5 2.2.1 Scraping ... II-6 2.3 Twitter dan Twitter API ... II-6 2.4 Perusahaan Jasa pengiriman Barang (Logistik) ... II-9 2.5 Orange ... II-11 2.6 Software Nvivo ... II-12 2.7 Metode Sampling ... II-13 2.8 Review Penelitian ... II-16 2.9 Kerangka Konseptual ... II-19
III METODOLOGI PENELITIAN ... III-1 3.1. Jenis Penelitian ... III-1 3.2. Lokasi dan Waktu Penelitian ... III-1 3.3. Objek Penelitian ... III-1
xiii
DAFTAR ISI (LANJUTAN)
BAB HALAMAN
3.4 Metodologi Pengumpulan Data ... III-1 3.5 Metode Pengolahan Data ... III-2 3.6 Analisis dan Pembahasan ... III-6 3.5 Metode Pengolahan Data ... III-2 3.6 Analisis dan Pembahasan ... III-5 3.6 Analisis dan Pembahasan ... III-6
IV PENGUMPULAN DAN PENGOLAHAN DATA ... IV-1 4.1 PengumpulanData ... IV-1 4.1.1. Pembuatan API Twitter ... IV-1 4.2 Pengolahan Data ... IV-5 4.2.1. Data Preprocessing ... IV-6 4.2.2. Twitter Profiler ... IV-12 4.2.3. Analisis Sentimen ... IV-14 4.3 Penentuan Faktor-Faktor yang Mempengaruhi
Sentimen Negatif ... IV-18
V ANALISIS DAN PEMBAHASAN ... V-1 5.1 Analisa dan Pembahasan Hasil Sentimen Pengguna
Jasa Ekspedisi ... V-1
xiv
DAFTAR ISI (LANJUTAN)
BAB HALAMAN
5.2. Analisa dan Pembahasan Faktor-Faktor yang Mempengaruhi Sentimen Negatif Pengguna Jasa
Ekspedisi ... V-3 5.3. Analisa dan Pembahasan Usulan Perbaikan ... V-5
VI KESIMPULAN DAN SARAN ... VI-1 6.1 Kesimpulan... VI-1 6.2 Saran ... VI-3
DAFTAR PUSTAKA LAMPIRAN
DAFTAR TABEL
TABEL HALAMAN
1.1. Top Brand Indonesia Jasa Pengiriman Barang ... I-5 1.2. Contoh Komentar Pengguna Jasa Pengiriman Barang ... I-7 4.1. Contoh Hasil Pengumpulan Data dengan Menggunakan
Orange ... IV-3 4.2. Contoh Hasil Terjemahan... IV-5 4.3. Daftar Stopword ... IV-8 4.4. Hasil Tweet Profiler ... IV-12 4.5. Nilai Pembobotan Sentimen dengan Vader ... IV-25 4.6. Hasil Analisis Sentimen pada Sosial Media Twitter ... IV-26 4.7. Pentuan Faktor- Faktor yang Mempengaruhi
Ketidakpuasan Pelanggan Terhadap Kualitas Jasa
Ekspedisi ... IV-30 4.8. Daftar Faktor yang Harus Diperbaiki ... IV-32 4.9. Analisis Sebab Akibat Keramahan Karyawan ... IV-33 4.10. Analisis Sebab Akibat Kondisi Paket... IV-35 4.11. Analisis Sebab Akibat Pengiriman Paket ... IV-38 5.1. Hasil Analisis Sentimen ... V-2 5.2. Faktor-Faktor yang Mempengaruhi Kepuasasn Pelanggan
Terhadap Kualitas Jasa Ekspedisi ... V-4
DAFTAR GAMBAR
GAMBAR HALAMAN
1.1. Pengguna Mobile Phone di Asia Tenggara 2016-2019 ... I-1 1.2. Pengguna Jejaring Sosila Online E-Commerce di
Indonesia ... I-1 1.3. Persentase Platform Sosial Media di Indonesia ... I-2 2.1. Bidang Ilmu Data Mining ... II-2 2.2. Arsitektur Twitter ... II-8 2.3. Kerangka Konseptual Penelitian ... II-20 3.1. Skema Pengumpulan Data dari Twitter ... III-2 3.2. Flowchart Penelitian ... III-3 4.1. Contoh Tampilan API Key Twitter... IV-1 4.2. Simbol Tools Twitter pada Software Orange ... IV-2 4.3. Dialog Data Text Mining Twitter ... IV-2 4.4. Design Widget Crawling Data ... IV-3 4.5. Design Widget Sentiment Analysis ... IV-9 4.6. Word Cloud ... IV-10 4.7. Visualisasi Topic Modelling ... IV-11 4.8. Visualisasi Box Plot Tweet Profiler ... IV-13 4.9. Box Plot Tweet Profiler JNE ... IV-13 4.10. Connection Vader Lexicon ... IV-15
xvii
DAFTAR GAMBAR (LANJUTAN)
GAMBAR HALAMAN
4.11. Hasil Penentuan Faktor-Faktor yang Mempengaruhi
Sentimen Jasa Ekspedis ... IV-18 4.13. Hierarchy Chart Faktor-Faktor yang Mempengaruhi
Sentimen Negatif Jasa Ekspedisi ... IV-19 5.1. Diagram Fishbone Costumer Service ... V-4 5.2. Diagram Fishbone Kondisi Paket ... V-7 5.3. Diagram Fishbone Pengiriman Paket ... V-10
DAFTAR LAMPIRAN
L-1 Surat Permohonan Tugas Akhir L-2 Formulir Penetapan Tugas Akhir L-3 Surat Keputusan Tugas Akhir
L-4 Sertifikat Evaluasi Draft Tugas Sarjana
L-5 Kartu Kehadiran Kuliah Umum, Seminar Hasil, Workshop, dan Conference L-6 Berita Acara Tugas Sarjana Dosen Pembimbing
L-7 Tabel Hasil Twitter Profiler
I-1
BAB I
PENDAHULUAN
1.1. Latar Belakang
Kemajuan pengetahuan dan teknologi beserta aplikasinya di segala bidang tidak bisa lepas dari perangkat digital. Penggunaan digital sudah menjangkau hampir segala bidang dalam aktivitas kehidupan manusia, baik dalam lingkungan pendidikan, organisasi, perusahaan maupun masyarakat umum. Penggunaan digital terbukti banyak membantu manusia dalam melakukan pekerjaan dengan lebih baik dan lebih praktis.
Menurut data yang diperoleh dari databoks yaitu sebuah portal data statistik ekonomi dan bisnis dapat dilihat bahwa Indonesia berada di urutan pertama pengguna mobile phone di Asia Tenggara dari tahun 2016-2019. Hal ini dapat dilihat pada grafik dibawah ini.
Sumber : Databoks
Gambar 1.1 Pengguna Mobile Phone di Asia Tenggara 2016-2019
I-2
Dari tabel diatas dapat dilihat enam neraga-negara di Asia Tenggara yang yang menjadi pengguna mobile phone dengan jumlah terbanyak adalah negara Indonesia. Jumlah pengguna mobile phone yang terus bertambah dari tahun ke tahun yang pada tahun 2019 melebihi 90 juta pengguna. Hal ini menunjukkan bagaimana perkembangan teknologi yang begitu pesat di Indonesia.
Penggunaan digital juga sejalan dengan penggunaan internet dan sosial media. Ada banyak jenis sosial media di kalangan masyarakat. Pada gambar 1.3 berikut ini menunjukkan persentasi platform sosial media yang paling banyak digunakan di Indonesia.
Sumber : Data Reportal 2021
Gambar 1.2 Persentase Platform Sosial Media di Indonesia
Menurut data reportal pada gambar 1.3 diatas dapat dilihat bahwa lima sosial media yang paling banyak digunakan di Indonesia adalah youtube yaitu sebesar 93,8%, whatsapp sebesar 87,7%, instagram sebesar 87,7%, facebook sebesar 87,7%, twitter sebesar 87,7%. Hal ini menunjukkan bahwa sosial media
I-3
merupakan salah satu alat bagi masyarakat untuk dapat berkomunikasi dan sharing dalam berbagai hal salah satunya memberikan feedback penggunaan suatu barang atau jasa. Dari data ini juga dapat dilihat gambaran banyak nya data yang tersebar di sosial media yang dapat ditambang dan pelajari sehingga akan menghasilkan suatu pengetahuan.
Salah satu dampak dari penggunaan digital adalah kegiatan jual-beli yang kini sudah dapat dilakukan secara online melalui smarthphone. Tidak bisa dipungkiri lagi bahwa e-commerce dapat mempermudah transaksi antara penjual dan pembeli, selain dalam bentuk website ditambah dengan fasilitas e-commerce berupa aplikasi smartphone sehingga masyarakat bisa dengan mudah mengakses dimanapun dan kapanpun. Selain itu menurut dari data APJII pada setiap tahunnya masyarakat Indonesia yang bertransaksi menggunakan e-commerce semakin bertambah. Pertumbuhan e-commerce dan industri kreatif membuka kesempatan bagi perusahaan logistic untuk turut memberikan kontribusi dalam proses pengiriman.
Pada kondisi pandemi Covid-19 seperti saat ini mengakibatkan penurunan perokonomian global, namum beberapa sektor menunjukkan peningkatan salah satu nya e-commerce. Akibat dari pembatasan kerja yang diterapkan pemerintah, perilaku konsumen juga mengalami perubahan dan terlihat dratis selama Maret sampai April 2020. Diasumsikan semakin lama pandemi berlangsung, semakin banyak orang yang berimigrasi dari toko fisik ke belanja online. (Pantelimon et al, 2020)
I-4
Sumber : Laming, Tren E-commerce pada Era Pandemi Covid-19
Gambar 1.3 Pengguna Jejaring Sosial Online E- Commerce di Indonesia
Dari gambar diatas dapat dilihat bagaimana pertumbuhan bisnis e- commerce di Indonesia. Peningkatan drastis terjadi di tahun 2020 jika di bandingkan dengan tahun-tahun sebelumnya. Hal ini menunjukkan bahwa dampak dari teknologi di era pandemi covid-19 mengalami peningkatan di sektor e- commerce yang secara tidak langsung mempengaruhi peningkatan penggunaan jasa pengiriman barang sebagai rantai bisnis yang tidak dapat di pisahkan dari e- commerce.
Berdasarkan penelitian yang dilakukan oleh S. Laming (2020) yang berjudul “Tren E-commerce pada Era Pandemi Covid-19” diperoleh kesimpulan bahwa selama pandemi covid-19 di Indonesia mendorong peningkatan bisnis e- commerce dimana pelanggan baru mengalami peningkatan 5-10 kali selama pandemi namun terjadi perlambatan dalam proes pengiriman barang karena pembatasan transportasi dan penutupan bandara dimana pengiriman barang dalam kota 1-2 hari sebelum pandemi menjadi lambat 2-3 hari setelah pandemi.
I-5
Menjamurnya bisnis online berdampak positif pada bisnis jasa pengiriman barang. Bisnis dalam sektor jasa pengiriman tumbuh dari tahun ke tahun. Seiring meningkatnya penetrasi internet di Indonesia, meningkatkan pertumbuhan bisnis e- commerce dan pangsa pasar jasa pengiriman barang juga akan semakin meningkat.
Terdapat banyak perusahaan jasa pengirim yang dipercaya memiliki kualitas mumpuni dengan berbagai bentuk layanan jasa pengiriman yang memudahkan pelanggan untuk memilih jasa yang sesuai dengan kebutuhan. Menurut data Badan Pusat Statistik (BPS), kontribusi lapangan usaha sektor logistik terhadap Produk Domestik Bruto (PDB) pada triwulan II/ 2019 adalah sebesar Rp 220,6 triliun atau 5,57 persen dari PDB yang bernilai Rp 3.963,5 triliun. Berdasarkan analisis SCI, sektor logistik sepanjang tahun 2019 diprediksi tumbuh sebesar 11,56 persen menjadi Rp 889,4 triliun, dan pada tahun 2020 tumbuh sebesar 9,18 persen dengan nilai Rp 971 triliun. Darinya, subsektor transportasi akan tumbuh sebesar 8,97 persen (Rp 806,8 triliun) dan subsektor pergudangan tumbuh sebesar 9.8 persen (Rp 161,9 triliun).
Berdasarkan penelitian yang dilakukan oleh Cahya Vikasari (2018) yang berjudul “Sistem Informasi Manajemen Pada Jasa Ekspedisi Pengiriman Barang Berbasis Web” dijelaskan bahwa salah satu peningkatan Ekspedisi pengiriman barang antara lain karena imbas dari pertumbuhan online shop yang ada di Indonesia sehingga jasa pengiriman barang ini seperti rantai bisnis yang tidak terpisahkan dari usaha yang lain. Selain imbas dari online shop yang ada, usaha kecil menengah yang ingin mendistribusikan produknya, masyarakat dengan berbagai kegiatan juga sangat membutuhkan jasa Ekspedisi ini.
I-6
Salah satu hal yang melatarbelakangi semakin berkembang pesatnya perusahaan jasa kurir di Indonesia saat ini ialah berlakunya Undang-Undang No 38 Tahun 2009 yang menyatakan bahwa perusahaan yang dapat masuk dalam usaha jasa dibidang kurir tidak hanya terbatas pada Badan Usaha Milik Negara (BUMN), melainkan Badan Usaha Milik Daerah (BUMD), ataupun koperasi dan swasta.
Munculnya peraturan perundang-undangan tersebut berdampak pada persaingan yang semakin kompetitif, hal tersebut dikarenakan segala bentuk badan usaha baik negeri maupun swasta bisa masuk ke persaingan bisnis tanpa batas dan memiliki jasa pelayanan yang sama mulai dari jasa pengiriman dokumen, layanan paket, layanan logistik, dan layanan transaksi keuangan.
Kini semakin banyak bermunculan jasa pengantaran barang yang membuat masyarakat bingung dalam memilih penyedia jasa, sebagai contoh Tiki, sicepat, JNE, J&T, Lion parcel, Ninja Express, dll. Tabel 1.1 dibawah ini menunjukkan daftar top brand Indonesia di sektor jasa pengiriman barang.
Tabel 1.1 Top Brand Indonesia Jasa Pengiriman Barang 2020
Ekspedisi % TBI
JNE 27.3 %
J&T 21.3 %
Tiki 10.8 %
Pos Indonesia 7.7 %
DHL 4.1 %
Sumber : Top Brand Indonesia
Dari tabel diatas dapat dilihat penyedia jasa pengiriman mana yang paling menguasai pasar dimana penyedia jasa JNE dan J&T berada pada dua posisi teratas, yang mana keduanya berjumlah 48,6% hampir menguasi setengah dari pasar yang
I-7
ada. Semakin besar persentase nya maka semakin besar pula penguasaan pasar dari penyedia jasa tersebut yang artinya jasa yang ditawarkan sering digunakan oleh masyarakat yang mana ini akan memberikan peluang lebih besar bagi para penggunanya/konsumennya untuk memberikan opini pada sosial media.
Survei menunjukkan 35% konsumen terus melihat pengiriman sebagai masalah paling besar dalam e-commerce. Selain itu lebih dari 90% keluhan dan tanggapan negatif dari pelanggan terkait dengan keterlambatan pengiriman atau kurangnya komunikasi tentang status pengiriman. Karena kepuasan pelanggan adalah kunci dari kesetiaan, mengoptimasi pengalaman pengiriman sangat krusial untuk meningkatkan manfaat yang diterima pelanggan.
Seperti yang sudah di jelaskan sebelumnya bahwa sosial media sudah menjadi tempat bagi masyarakat untuk mengeluarkan pendapat/ opini mengenai banyak hal, dapat berupa memberikan keluhan tentang suatu penggunaan barang atau jasa, atau memberikan pujian atas apa yang dirasakan dari hasil penggunaan barang atau jasa. Termasuk penggunaan jasa ekspedisi, para penggunanya juga banyak memberikan komentar pada akun sosial media penyedia jasa tersebut. Dari komentar yang disampaikan dapat dilihat bagaimana kualitas pelayanan suatu penyadia jasa ekspedisi. Tabel 1.2 dibawah ini menunjukkan beberapa contoh komentar pengguna jasa pengiriman barang JNE dan J&T pada sosial media twitter.
I-8
Tabel 1.2 Contoh Komentar Pengguna Jasa Pengiriman Barang Author
Followers Count
Date Author Author
Name Content
518
2021-12- 02 04:15:34
@Farizahr arizh
Farizah R Yusuf
@JNECare halo kenapa paket saya statusnya not found ya, padahal resi sudah benar
https://t.co/5LU9XS85TO
289
2021-12- 02 05:15:20
@shofi_nh 57
Shofi Nurul
@JNECare mohon paket nya ini segera dikirim ke alamat tujuan kak. Ini nomor resi 4007422100029447
Paket sudah ditungguin customer. Tolong update segera skrg paket dimana.
Tolong banget ya kak. Trims
670
2021-12- 11 02:18:44
@pramech
eeze 김린 탄
@jntexpressid TOLONG INI DIURUS PAKET SAYA GA SAMPE2 JANGAN HARBOLNAS2 AJA GMN MAU NGIRIM PAS 12.12
HARI BIASA AJA
PAKETAN GUE ILANG GA SAMPE2. DIURUS
DONG INI
https://t.co/UdH7NZGJk2
156
2021-12- 11 04:31:41
@gapapac
obalagi centaurus
@jntexpressid gimana nih min? Udah 4 hari stuck disortiran terus, merasa di- php-in
https://t.co/JvTavqGy5g
533
2021-12- 11 04:13:04
@hellowse
nja manusia
@jntexpressid Min paket saya ada 2 dengan nomor resi
JP4819653650 dan
JP4160162105 kenapa salah penyortiran semua? Dan ada 1 paket statusnya stuck dari tgl 9, padahal masih sama sama jakarta loh. Tolong dong dibantu
5
2021-12- 11 04:12:06
@wildan_
offc
Wildan abdulroch
man
@jntexpressid gimana ini, tidak ada tanggapan
Sumber : Sosial Media Twitter
I-9
Pada tabel diatas dapat dilihat bahwa komentar-komentar para pengguna di akun sosial media twitter dari penyedia jasa pengiriman barang masih banyak komentar negatif seperti masalaha rute pengiriman yang semakin jauh, keterlambatan paket sampai di tangan konsumen, paket yang tidak dapat di lacak oleh konsumen, dan lain-lain. Hal ini menandakan bahwa sebagian besar dari konsumen masih merasa tidak puas dengan pelayanan yang di peroleh dari penyedia jasa JNE dan J&T sebagai dua penyedia jasa dengan pasar yang besar.
Sosial media kini menjadi tempat sebagai perbincangan publik. Topik pembicaraan dalam sosial yang beragam menjadi hal unik tersendiri untuk diteliti.
Dimana dari topik yang mereka bicarakan menghasilkan opini - opini yang sebagian besar juga mengandung opini sentimen.
Pada penelitian ini akan dilihat sentimen pengguna melalui sosial media twitter, dimana selain platform twitter masuk dalam lima platform sosial media yang paling banyak digunkan di Indonesia, twitter juga merupakan platform yang bersifat open source dibanding dengan sosial media lainnya.
Oleh karena itu perlu dibahas analisis sentimen pada penyedia jasa pengiriman barang. Sebuah penilaian yang dapat mengetahui tingkat kepuasaan pengguna berdasarkan analisis sentimen pada sosial media yang diungkapkan dalam teks yang berupa opini positif atau negatif.
Berdasarkan permasalahan diatas maka perlu dilakukan penelitian analisis sentimen untuk menilai tingkat sentimen konsumen terhadap penyedia jasa
I-10
ekspedisi ( pengiriman barang) dan kemudian akan dilakukan analisis terkait faktor- faktor yang menyebabkan adanya analisis sentimen negatif para pengguna.
Adapun yang menjadi pembeda penelitian ini dengan penelitian sebelumnya adalah pada penelitian-penelitian mengenai kualitas jasa penyedia barang sebelumnya, data dikumpulkan dengan menggunakan kuesioner. Sedangkan sumber data yang digunakan pada penelitian ini adalah data ulasan yang diambil dari akun media sosial. Penelitian analisis sentimen ini yang dilakukan menggunakan data yang bersumber dari media sosial twitter dan objek penelitian berupa kualitas jasa penyedia pengiriman barang kemudian dilanjutkan dengan memberikan usulan kepada pengguna.
1.2. Rumusan Masalah
Berdasarkan latar belakang yang telah diuraikan, berikut ini merupakan perumusan masalah penelitian:
1. Bagaimana opini konsumen terhadap kualitas jasa pengiriman barang pada masa pandemi ?
2. Mengidentifikasikan apa saja faktor-faktor kualitas layanan pengiriman barang yang mempengaruhi sentiment pengguna/pelanggan ?
3. Bagaimana usulan perbaikan agar dapat meningkatkan kualitas pelayan penyedia jasa pengiriman barang ?
1.3. Tujuan Penelitian
Tujuan umum yang akan dicapai dalam penelitian tugas akhir ini adalah
I-11
untuk mengetahui tingkat kepercayaan penggunaan jasa pengiriman barang di kalangan masyarakat.
Adapun tujuan khusus yang ingin dicapai dalam penelitian tugas akhir ini adalah:
1. Mengetahui sentimen konsumen terhadap kualitas jasa pengiriman barang pada masa pandemi
2. Mengetahui faktor-faktor kualitas layanan pengiriman barang yang mempengaruhi sentiment pengguna/pelanggan selama pandemi.
3. Mengetahui perbaikan yang dapat diusulkan untuk memperbaiki pelayanan pengiriman barang.
1.4. Manfaat Penelitian
Manfaat yang diharapkan dapat diperoleh dari penelitian ini adalah sebagai berikut:
1. Bagi Peneliti (Mahasiswa)
Penelitian ini dapat mengembangkan kemampuan untuk menganalisis dan berfikir secara sistematis, dapat digunakan sebagai wahana untuk meperdalam ilmu data mining pada saat perkuliahan, sertta mingkatkan kemampuan dalam menggunakan software pengolahan data kualitatif seperti Software Orange. Selain itu juga melatih mahasiswa untuk bisa memanfaatkan text mining dalam mengolah data berupa text dalam jumlah yang banyak dari sosial media.
2. Bagi Institusi Penelitian (Universitas)
I-12
Sebagai bahan referensi jurnal bagi lembaga peneliti, perguruan tinggi maupun peneliti-peneliti selanjutnya.
1.5. Batasan dan Asumsi Penelitian
Adapun Batasan dalam penelitian ini adalah :
1. Penelitian ini dilakukan dengan mengumpulkan data sentimen dari sosial media twitter.
2. Penyedia jasa ekspedisi yang akan diteliti hanya pada JNE dan J&T sesuai dengan data Top brand Indonesia yang dianggap dapat merepresentasikan pasar penggunaan layanan pengiriman barang.
3. Media sosial yang dijadikan sebagai sumber data penelitian adalah Twitter, dengan fasilitas akses sesuai izin dari pihak Twitter dengan Application Programming Interface (API) tingkat terendah sehingga data yang di peroleh dibatasi hanya pada kurun waktu paling lama 3 bulan terakhir.
Asumsi-asumsi yang digunakan dalam penelitian ini adalah sebagai berikut:
1. Data yang diperoleh dari sosial media Twitter mewakili sentimen masyarakat terhadap penggunaan jasa pengiriman barang
1.6. Sistematika Penulisan Laporan
Sistematika penulisan laporan tugas sarjana akan disajikan dalam Bab I hingga Bab VI.
I-13
1. Bab Pertama Pendahuluan, berisi tentang latar belakang permasalahan yang mendasari dilakukannya penelitian, rumusan masalah, tujuan penelitian, manfaat penelitian, batasan masalah dan asumsi yang digunakan dalam penelitian, dan sistematika penulisan laporan.
2. Bab Kedua Landasan Teori, menguraikan tentang teori – teori yang digunakan sebagai pendukung pemecahan masalah. Teori yang digunakan berhubungan dengan penelitian yang dilakukan dan pembuatan kerangka konseptual penelitian.
3. Bab Ketiga Metodologi Penelitian, menguraikan tahap-tahap yang dilakukan dalam penelitian yaitu persiapan penelitian meliputi lokasi penelitian, jenis penelitian, objek penelitian, pengumpulan data sekunder, metode pengolahan data, pengolahan data, analisis pemecahan masalah sampai kesimpulan dan saran.
4. Bab Keempat Pengumpulan dan Pengolahan Data, menguraikan tentang pengumpulan data, pembersihan data sehingga layak untuk diolah dan dinilai sentimennya, analisis faktor-faktor yang mempengaruhi adanya sentimen negatif dan sebagaimana data-data tersebut diolah untuk memperoleh hasil yang menjadi dasar pemecahan masalah tersebut.
5. Bab Kelima Analisis dan Pembahasan, meliputi proses pengolahan data yang digunakan dijadikan sebagai dasar dilakukannya analisis hasil pengolahan data.
6. Bab Keenam Kesimpulan dan Saran, menguraikan tentang kesimpulan yang diperoleh dari hasil pemecahan masalah dan saran-saran yang bermanfaat.
I-14
II-1
BAB II
TINJAUAN PUSTAKA
2.1 Data Mining
2.1.1 Pengertian Data Mining
Data mining merupakan proses mencari pola atau informasi menarik dalam data terpilih dengan menggunakan teknik atau metode tertentu. Tujuan dan proses secara keseluruhan dari Knowledge Discovery in Database (KDD) sangat mempengaruhi pemilihan metode atau algoritma yang tepat. Data mining menurut David Hand, Heikki Mannila, dan Padhraic Smyth dari MIT adalah analisa terhadap data (biasanya data yang berukuran besar) untuk menemukan relasi yang jelas dan mengambil kesimpulan yang belum diketahui sebelumnya dengan cara terkini dipahami dan berguna bagi pemilik data tersebut. Data mining merupakan proses campuran dari statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstraksi dan mengidentifikasi informasi yang berguna dan pengetahuan yang terkait dari berbagai database besar. Data mining merupakan serangkaian proses untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan yang selama ini tidak diketahui secara manual. (Yuli, Mardi. 2019 )
Data mining bukanlah suatu bidang yang sama sekali baru. Salah satu kesulitan untuk mendefinisikan data mining adalah kenyataan bahwa data mining mewarisi banyak aspek dan teknik dari bidang-bidang ilmu yang dulu sudah mapan terlebih dulu. Gambar 2.1 menunjukkan bahwa data mining memiliki akar yang
II-2
panjang dari bidang ilmu yang berbeda seperti kecerdasan buatan (artificial intelligent), machine learning, statistik, database, dan juga information retrieval.
Sumber : Jiawei,dkk.(2012). Data Mining Concepts and Techniques, 3rd Edition
Gambar 2.1 Bidang Ilmu Data Mining
2.1.2 Pengelompokan Data Mining
Ada beberapa teknik data mining yang sering disebut-sebut dalam beberapa literatur, yaitu :
1. Deskripsi
Yaitu teknik menemukan cara untuk mendeskripsikan pola dan trend yang tersembunyi dalam data sehingga mampu disajikan penjelasan hasil analisa dalam bentuk ringkasan informasi secara rinci dan mudah dimengerti.
II-3
2. Prediksi
Fungsi prediksi merupakan sebuah fungsi bagaimana sebuah proses nantinya akan menemukan pola tertentu dari suatu data dan pola yang didapat tersebut bisa digunakan untuk memprediksi variabel lain yang belum diketahui nilai ataupun jenisnya.
3. Klasifikasi
Dalam klasifikasi, terdapat target variabel kategori. Sebagai contoh, penggolongan pendapatan dapat dipisahkan dalam tiga kategori, yaitu pendapatan tinggi, pendapatan sedang, pendapatan rendah.
4. Estimasi
Estimasi hampir sama dengan klasifikasi, kecuali variabel tujuan yang lebih kearah numerik dari pada kategori.
5. Clustering
Clustering dapat dipakai untuk memberikan label pada kelas data yang belum diketahui. Clustering dapat dilakukan pada data yang memiliki beberapa atribut yang dipetakan sebagai ruang multidimensi.
6. Asosiasi
Asosiasi adalah teknik mining untuk menemukan asosiatif antara kombinasi atribut. Contoh dari aturan asosiatif dari analisa pembelian di suatu pasar swalayan dapat mengatur penempatan barangnya atau merancang strategi pemasaran dengan memakai kupon diskon untuk kombinasi barang tertentu.
II-4
2.1.3 Text Mining
Belakangan ini mulai muncul teknik-teknik untuk dapat mengekstrak berbagai informasi yang ada di internet untuk sebuah topik tertentu, dan melihat hubugannya dengan berbagai kata/keyword yang terkait dengan topik tertentu, melihat hubungan dengan para pelakunya, bahkan juga mungkin dengan lokasi dan pola gerakan yang ada di pengguna internet untuk kelompok tertentu. Salah satu teknik ini dikenal dengan istilah Text Mining. Text Mining biasanya melibatkan proses penataan teks input (biasanya parsing, bersama dengan penambahan beberapa fitur linguistik dan penghapusan kata, dan selanjutnya menyisipkan ke dalam database), menurunkan pola dalam data yang terstruktur, dan akhirnya mengevalusi dan menginterpretasikan output. Analisis teks melibatkan pencarian informasi, analisis leksikal untuk memperlajari distribusi frekuensi kata, pengenalan pola, penandaan (tagging)/penjelasan, ekstraksi informasi, teknik data mining termasuk link dan analisis asosiasi visualisasi, dan analisis prediktif. Tujuan menyeluruh adalah pada dasarnya untuk mengubah teks menjadi data untuk analisis.
2.1.4 Machine Learning
Machine learning adalah aplikasi kecerdasan buatan (AI) yang menyediakan kemampuan sistem untuk belajar dan meningkatkan kemampuannya secara otomatis dari pengalaman tanpa harus diprogram secara eksplisit. Machine learning berfokus pada pengembangan program komputer yang dapat mengakses data dan menggunakannya untuk dipelajari sendiri. Proses pembelajaran dimulai
II-5
dengan pengamatan terhadap data, contohnya pengalaman langsung, atau instruksi dalam rangka untuk mencari pola dalam data dan membuat keputusan yang lebih baik di masa depan berdasarkan pada contoh yang telah disediakan. Tujuan utamanya adalah untuk memungkinkan komputer belajar secara otomatis tanpa bantuan manusia dan menyesuaikan tindakan yang sesuai. Algoritma pada machine learning pada umumnya dikategorikan menjadi dua, yaitu supervised machine learning dan unsupervised machine learning. Pada penelitian ini kategori yang digunakan adalah supervised machine learning dimana algoritma yang digunakan menerapkan pada apa yang telah dipelajari di masa lalu untuk data baru menggunakan contoh berlabel untuk memprediksi peristiwa mendatang. Dimulai dari analisis dataset pelatihan yang diketahui, algoritma pembelajaran menghasilkan fungsi yang dapat disimpulkan untuk membuat prediksi tentang nilai output. (Balya, 2019)
2.2 Analisis Sentimen
Salah satu analisis text mining yaitu analisis sentimen dapat diaplikasikan pada perusahaan yang mengeluarkan suatu produk dan jasa dan menyediakan layanan untuk menerima pendapat (feedback) dari konsumen untuk produk tersebut. Analisis sentimen untuk mengelompokan feedback positif, negatif, dan netral dari konsumen sehingga mempercepat dan mempermudah tugas perusahaan untuk meninjau kembali kekurangan produk mereka. Apabila ditemukan adanya sentiment negatif, maka perusahaan dapat dengan cepat mengambil tindakan untuk menanggulanginya. (Pradita, 2019)
II-6
2.2.1 Scraping
Scraping adalah proses untuk mengekstrak, mengukur, menganalisis dan memvisualisasikan data dari layar aplikasi menggunakan kode program. Scraping berarti latihan membaca pada data teks dari layar terminal komputer. Dalam bentuknya saat ini, scraping merupakan bagian dari pemrograman yang menghubungkan antara program aplikasi dan antarmuka pengguna. Hal ini dirancang untuk berinteraksi dengan perangkat dan sistem antarmuka sehingga program tampilan yang berupa teks maupun gambar yang tidak mengandung fungsi dalam bentuk logika masih dapat dimanfaatkan sebagai data dan kemudian dapat diolah menjadi dataset.
2.3 Twitter dan Twitter API
Twitter adalah aplikasi jejaring sosial yang menyediakan fasilitas komunikasi antar pengguna. Twitter diciptakan oleh Jack Dorsey pada tahun 2006 dan pertama kali diperkenalkan di dunia maya pada bulan Juli 2006 (http://www.twitter.com).
Masyarakat kini dapat memberikan komentarnya di berbagai media. Salah satu media yang banyak digunakan untuk menyampaikan opini adalah media sosial Twitter. Twitter merupakan salah satu media sosial yang memiliki pengguna perharinya 126 juta. Selain itu twitter memiliki Twitter Trending Topic yang merupakan daftar topik terpopuler dan diupdate setiap waktu. Selanjutnya kelebihan lain dari twitter semua postingan yang ada di Twitter dapat diakses oleh pengguna lainnya. Dengan kemudahan tersebut pengguna Twitter dapat saling berinteraksi tanpa harus menjadi follower. Kelebihan lainnya dari sifat terbuka
II-7
Twitter yaitu dapat membuat tweet dengan menandai (mention) siapapun tanpa harus membuat tweet di fans page atau akun pihak yang ditandai tersebut. Dari pemaparan sebelumnya twitter memiliki kelebihan dibanding media sosial lainnya yaitu tampilan yang simple, topik terupdate, cepat dalam mengabarkan sebuah opini pengguna dan terbuka untuk mengakses tweet. Tentu ini semakin memudahkan dalam pengumpulan data opini dari masyarakat dan sebagai media penelitian.
(Rachmad, 2019).
Hampir setiap peristiwa akan dibahas dan ditanggapi lewat Twitter, peristiwa poitik maupun non politik akan selalu ditanggapi pro dan kontra, sehingga bisa dijadikan bahan analisa kecenderungan respon masyarakat terhada isu yang terjadi.
Namun pemanfaatan data yang tersimpan di Twitter sebelumnya harus melalui tahapan registrasi dan setelah memperoleh kode API Twitter maka pengguna bisa mengambil data Tweet dari environment Twitter. Setiap kali terjadi interaksi antara aplikasi pengguna dengan Twitter selalu diawali dengan proses otentifikasi.
Gambar dibawah menggambarkan tahapan penggunaan Oauth dalam mengakses API Twitter.
II-8
Sumber : Hudi & Sulistyowati.2108. Analisa Sentimen Tentang Reuni 212 Pada Dokumen Twitter Berbahasa Indonesia Menggunakan R Studio
Gambar 2.2 Arsitektur Twitter
Perlu dibuat sebuah aplikasi untuk menjalankan API Twitter. 1. Untuk memperoleh API Twitter, user harus registrasi ke twitter yang kemudian akan diberikan sejumlah key API setelah disetujui oleh twitter. Pengguna harus menjelaskan rencana penggunaan API beserta palikasi yang akan memanfaatkannya karena key API dan kelengkapannya harus dimasukkan kedalam aplikasi yang memerlukan otentifikasi. 2. Key dari twitter akan digunakan untuk memulai link ke Twitter agar otentifikasi segera dapat dimulai. 3. Setelah proses otentifikasi API Twitter Access Token dan Access Secret untuk masing-masing user selesai dilakukan, maka pengguna dapat melanjutkan ke proses berikutnya. 4.
Proses selanjutnya adalah mulai mengumpulkan tweet yang dikehendaki dengan
II-9
memberikan keyword serta jumlah tweet yang diinginkan. Twitter memiliki kebijakan untuk membatasi jumlah tweet yang diberikan kepada pengguna apabila tidak secara spesifik ditentukan.
2.4 Perusahaan Jasa Pengiriman Barang (Logistik)
Sejarah berdirinya jasa pengiriman yang pertama Indonesia dimulai pada masa penjajahan Belanda. Pada masa penjajahan VOC, yakni sekitar tahun 1602, semua orang yang ingin berkirim surat mau tak mau harus menitipkan nya ke Stadsherberg atau gedung penginapan kota.Cara tersebut sebenarnya sangat tidak efektif, dan seorang Gubernur Jenderal bernama Gustaaf Willem Baron van Imhoff terusik untuk membuat jasa pengiriman yang jauh lebih efisien, aman serta terjamin.Sebagai informasi, Baron van Imhoff yang lahir di Frisia Timur, 8 Agustus 1705 merupakan Gubernur Jenderal Hindia Belanda ke-27 yang memerintah sekitar tahun 1743 sampai 1750. Bermula dari gagasan sang Gubernur Jenderal tersebut, akhirnya pada tahun 1746, tepatnya pada tanggal 26 Agustus di Batavia dibangun kantor pos pertama di Indonesia. Dengan berdirinya kantor pos tersebut, maka pengiriman barang menjadi lebih efisien, di mana masyarakat jadi semakin mudah dan merasa aman ketika mengirimkan berbagai dokumen penting tanpa harus was-was dan ketakutan. Berdirinya jasa pengiriman di Indonesia itu kemudian berlanjut di mana pada sekitar tahun 1750 atau 4 tahun sejak berdirinya kantor pos di Batavia, dibangun juga cabang kantor pos di Semarang. Pembangunan kantor pos cabang di Semarang tersebut semakin memberikan angin segar bagi perkembangan jasa pengiriman di Indonesia. Pembangunan cabang kantor pos di
II-10
Semarang tersebut terbukti memberikan dampak positif dengan membantu percepatan pengiriman. Tentu saja hal tersebut disambut dengan sangat baik oleh masyarakat. Berlanjut pada tahun 1875, Pos Indonesia dileburkan dengan dinas telegraf dan berganti nama menjadi Post En Telegraafdienst. Dampak dari peleburan dan pergantian nama tersebut turut berimbas pada perpindahan kantornya, di mana tadinya kantor pos pusat berada di Gambir, Jakarta, berpindah ke kota Bandung.
Sejak saat itu Pos Indonesia berkembang semakin pesat hingga pada akhirnya berubah status menjadi Perusahaan Negara. Saat itu Pos Indonesia menjadi PN Postel, yakni Perusahaan Negara Pos dan Telekomunikasi. Kemudian di tahun 1965 PN Postel mengalami perubahan nama kembali, yakni menjadi PN Pos dan Giro yang mengacu dengan semakin maju dan berkembangnya sektor komunikasi dan pos. Pada tahun 1978 Pos Indonesia kembali berganti nama dari PN Pos dan Giro menjadi Perum Pos dan Giro dengan misi memperbaiki hubungan serta kinerja pengiriman dalam negeri juga luar negeri. Hingga pada akhirnya di tahun 1995 Pos indonesia berganti nama menjadi PT Pos Indonesia (persero) sampai saat ini. Sekarang Pos Indonesia telah memiliki cabang di seluruh wilayah NKRI, dimana sedikitnya 24.000 titik jangkauan pengiriman. (Union Logistic)
Pada saat ini pengiriman barang menjadi hal yang tidak asing lagi karena para pelaku bisnis sekarang ini banyak bertransaksi di internet. Orang-orang akan semakin mudah untuk berbelanja walaupun penjualan dan pembelian tidak saling bertemu langsung. Itulah sebabnya jasa pengiriman barang semakin dibutuhkan.
Peluang bisnis dan prospek jasa pengiriman barang masih sangat bagus dan terus
II-11
berkembang. Banyak pengusaha yang mulai melirik usaha expedisi pengiriman barang antara lain karena imbas dari pertumbuhan online shoping yang ada di Indonesia sehingga jasa pengiriman barang ini seperti rantai bisnis yang tidak terpisahkan dari usaha yang lain. Selain imbas dari online shoping yang ada, usaha kecil menengah yang ingin mendistribusikan produknya, masyarakat dengan berbagai kegiatan juga sangat membutuhkan jasa ekspedisi ini. (Cahya, 2018)
2.5 Orange
Pada tahun 2009 pertama kalinya orange diliris oleh GNU General Public License. Orange dapat digunakan pada beberapa sistem operasi yang berbeda seperti Microsoft Windows dan iOS. Adapun bahasa yang digunakan orange adalah phyton C++ dan bahasa C. Tipe fitur yang disedikan oleh orange adalah machine learning, data mining, dan data visualization. Beberapa keuntungan dari orange adalah visualisasi data yang interaktif, user friendly bagi para pemula, memiliki debugger yang lebih baik, skrip yang digunakan sederhana, bersifat open source sehingga bisa diakses dengan mudah dan murah. Sedangkan yang menjadi kelemahan dari orange adalah instalasi besar, pembelajaran mesin mempuya kemampuan reporting yang terbatas, orange juga lemah dalam pengolahan data statistik. (Rangrang, 2014)
Orange merupakan perangkat lunak penambangan data atau teknologi pembelajaran mesin open source. Orange dapat digunakan untuk analisis dan visualisasi data eksploratif. Orange menyediakan platform untuk pemilihan eksperimen, pemodelan prediktif, dan sistem rekomendasi dan dapat digunakan
II-12
untuk penelitian genomik, biomedis, bioinformatika, dan pengajaran. Orange mempermudah pemakai bermain dengan data open source serta melaksanakan proses data analytics secara intuitif. (Selva & Valentino, 2021)
2.6 Software Nvivo
Nvivo adalah perangkat lunak yang mendukung penelitian dengan metode kualitatif dan campuran analisis. Nvivo merupakan salah satu contoh QDAS (Qualitative Data Analysis Software). Pertumbuhan Nvivo berlanjut dengan Umpan balik mendalam dari para peneliti dengan berbagai metode yang sangat efektif untuk bekerja dengan data disediakan oleh perangkat lunak yang membebaskan sebagian waktu yang dihabiskan untuk penyiapan data dan memungkinkan perbaikan untuk fokus pada cara untuk melihat arti dari apa yang memasuki. Fungsi komputer untuk merekam, menyortir, mencocokkan, dan mengasosiasi dapat digunakan oleh peneliti untuk membantu menjawab pertanyaan penelitian tanpa pemborosan akses ke sumber data atau konteks data. (Siska &
Larisa, 2018)
Nvivo dalam melakukan analisi data kualitatif dapat membantu dalam hal : 1. Pengorganisasian data, pengorganisasian dan pencatatan banyak informasi
mengganggu yang masuk ke dalam data kualitatif. Ini termasuk tidak hanya wawancara, survei dan file observasi lapangan, tetapi juga majalah, gambar, diagram, audio, video, situs web dan sumber dokumen lainnya, catatan, ide memo, informasi tentang sumber data, peta konsep, dll. Juga termasuk publikasi penelitian formal.
II-13
2. Mengatur ide-ide, atur dan berikan akses ke konsep dan teori yang dihasilkan oleh proses penelitian untuk mendukung data sambil mempertahankan akses ke konteks asalnya.
3. Kueri data, kueri data, digunakan untuk mengajukan pertanyaan sederhana atau kompleks tentang data dan membiarkan program menarik semua informasi yang relevan dari database untuk menentukan jawaban atas pertanyaan tersebut. Hasil kueri disimpan dan dapat dicari atau ditanyakan lebih lanjut.
Pencarian akan menjadi bagian dari proses penelitian yang sedang berlangsung.
4. Data visual, data visual yang mewakili konten atau kasus, ide konsep, strategi pengambilan sampel, waktu, dll. Ini dilakukan dalam berbagai proses interpretasi dan secara visual mewakili hubungan antara variabel interaktif di layar.
5. Pelaporan dari Data Bagian ini menggunakan isi database kualitatif. Ini mencakup informasi tentang sumber data asli, gagasan dan perkembangan pengetahuan dan proses peneliti, serta hasil yang diperoleh.
2.7 Metode Sampling
Sampling ialah proses penarikan sampel dari populasi melalui mekanisme tertentu melalui makna karakteristik populasi dapat diketahui atau didekati (Sinulingga, 2018). Ada 2 metode sampling secara garis besar, yaitu :
1. Probability Sampling
II-14
Setiap elemen probability sampling dari populasi diberi kesempatan untuk ditarik menjadi anggota dari sampel. Pemilihan metode penarikan sampel tergantung pada banyak faktor, antara lain yang utama ialah luasnya cakupan generalisasi yang diinginkan, ketersediaan waktu, maksud dan tujuan penelitian (tipe masalah yang ingin dicari jawabannya).
a. Simple Random Sampling
Dalam simple random sampling yang sering juga disebut unrestricted probability sampling, setiap elemen dari populasi mempunyai kesempatan atau peluang yang sama untuk terpilih menjadi anggota sampel.
b. Systematic Sampling
Systematic sampling adalah suatu metode pengambilan sampel dari populasi dengan cara menarik elemen setiap kelipatan ke n dari populasi tersebut mulai dari urutan yang dipilih secara random diantara nomor 1 hingga n.
c. Stratified Random Sampling
Penarikan sampel menurut metode stratified random sampling merupakan perluasan sekaligus mengatasi kelemahan dari metode simple random sampling. Pada metode stratified random sampling, strata elemen dalam populasi mendapat perhatian sehingga populasi dibagi sesuai dengan strata yang ada.
d. Cluster Sampling
Dalam banyak kejadian, populasi berada dalam keadaan seperti terkotak- kotak dimana masing-masing kotak menunjukkan karakteristik yang berbeda.
II-15
e. Area Sampling
Area sampling sangat mirip bahkan sering digabung dalam cluster sampling.
Dalam area sampling, cluster dari populasi adalah perbedaan lokasi geografis (geographycal areas) dari populasi.
2. Nonprobability Sampling
Berbeda halnya dengan probability sampling, pada non-probability sampling, setiap elemen populasi yang akan ditarik menjadi anggota sampel tidak berdasarkan probabilitas yang melekat pada setiap elemen tetapi berdasarkan karakteristik khusus masing-masing elemen.
a. Convenience Sampling
Convenience sampling adalah suatu metode sampling dimana para respondennya adalah orang-orang yang secara suka rela menawarkan diri (conveniencely available) dengan alasan masing-masing. Dalam memilih sampel, peneliti tidak mempunyai pertimbangan lain kecuali berdasarkan kemudahan saja
b. Purposive Sampling
Purposive sampling adalah metode sampling non-probability yang menggunakan orang-orang tertentu sebagai sumber data/informasi. Orang- orang tertentu yang dimaksud di sini adalah individu atau kelompok yang karena pengetahuan, pengalaman, jabatan, dan lain-lain.
Penelitian ini menggunakan teknik sampling purposive sampling dalam pengumpulan data.
II-16
2.8 Review Penelitian
Penelitian-penelitian terdahulu banyak membahas permasalahan mengenai kualitas jasa pengiriman barang, dan peran keluhan-keluhan konsumen dalam mengetahui faktor-faktor yang mempengaruhi ketidakpuasan pelanggan, serta bagaimana tindakan perbaikan terhadap permasalahan kualitas jasa pengiriman yang terjadi. Hal ini membuktikan pentingnya peningkatan kualitas pada jasa pengiriman maupun produk/jasa lainnya.
Dalam penelitian Arbidinata (2017) memberikan usulan perbaikan pelayanan kepada Kantorpos untuk meningkatkan kepuasan pelanggan dengan menggunakan metode customers satisfaction index dan importance performance analysis. Pengumpulan data dilakukan dengan menggunakan atribut SERVQUAL, dibentuk kuesioner mengenai perbandingan antara kepentingan dan kepuasan pelanggan, dimana kuesioner tersebut disebar kepada pelanggan Kantorpos.
Adapun variabel yang digunakan pada penelitian ini ialah penanganan keluhan pelanggan, kecepatan dalam menanggapi keluhan pelanggan, tanggung jawab pada kerusakan paket, ketepatan waktu pengiriman paket, kondisi paket, keramahan karyawan, kantor cabang berada diberbagai wilayah, cakupan wilayah pengiriman luas, kepuasan pelanggan terhadap pelayanan, dan harapan pelanggan yang terpenuhi.
Cahya Vikasari (2018) melakukan penelitian pengembangan sistem informasi manajemen pada jasa ekspedisi pengiriman barang berbasis web dengan mengidentifikasi kebutuhan pengguna dan kebutuhan jaringan guna mengefisienkan jalan nya pengiriman barang. Kegiatan yang ada pada bisnis
II-17
ekspedisi pengiriman barang salah satunya adalah administrasi dalam pengelolaan data pengiriman barang. Kendala yang terjadi yaitu kehilangan data karena kurang tertib administrasi, kekeliruan data atau kurang lengkapnya data pengiriman barang akan membuat jasa ekspedisi ini terhambat dalam pengiriman barang. Pembagian kerja masing-masing kurir merupakan hal rumit sehingga bagian admin harus mengetahui kurir yang dapat melakukan kegiatan pengiriman barang. Pengiriman barang bisa terjadi tepat waktu atau jika terjadi kendala maka bisa menyebakan lama dalam pengiriman. Hal ini membuat konsumen ingin mengetahui tracking dari pengiriman barangnya jika belum menggunakan sistem maka proses pelacakan barang akan sulit dilakukan. Hal inilah yang menyebabkan seringnya terjadi kesalahpahaman antara perusahaan dan kurir ataupun dengan operator yang dapat mengakibatkan kerugian waktu dan biaya. Melalui jurnal ini didapat salah satu variabel dalam layanan jasa pengiriman barang ialah penggunaan teknologi dalam menunjang jalannya kegiatan pengiriman barang.
Ratu Aghnia Raffaidy Wiguna dan Andri Irfan Rifai (2021) melakukan penelitian yang bertujuan untuk menganalisis opini di twitter dengan metode analisis vader. Penelitian menggunakan tools orange data mining. Kesimpulan yang didapatkan pada penelitian ini ialah trending topic omnibus law di twitter adalah tentang mengenai buruh maju ersama omnibus law, bersama pulih ekonomi bangsa, UU Cipta Kerja, waktunya milenial berbisnis, omnibus sejahtera, dimana yang sekiranya menjadi hal penting bagi pemerintah untuk diperhatikan keluhan rakyat. Untuk mengetahui mood atau emosi para pengguna twitter dengan trending topik yang sedang terjadi di Indonesia khususnya mengenai UU Cipta Kerja
II-18
Omnibus Law dapat diggunakan analisis tweet profiler. Dengan melakukan analisis clustering distribution kita dapat mengetahui klasifikasi pengguna twitter dengan visualisasi emosi yang telah diinput ke dalam setiap corpus dalam orange data mining dan terdapat 6 respon masyarakat terhadap UU Cipta Kerja Omnibus Law dan yang paling tinggi responnya adalah masyarakat merasa surprise.
Pada penelitian yang dilakukan oleh Selva Indah dan Falention Sembiring (2021) analisis text clustering masyarakat di twiter mengenai mcdonald’sxbts menggunakan orange data mining dapat dikeetahui mood atau emosi para pengguna twitter dengan trending topik yang sedang terjadi di beberapa negara khususnya mengenai BTSMeal. Dengan menggunakan metode analisis tweet profiler dapat diketahui mood atau emosi para pengguna twitter dengan trending topik yang sedang terjadi di beberapa negara khususnya mengenai BTSMeal dan dengan menggunakan clustering distribution dapat diketahui klasifikasi emosi dari pengguna twitter terhadap BTSMeal dan respon paling tinggi ialah joy setelah suprise.
Albert Vinluan (2021) pada penelitiannya yang berjudul Opinion to Emotion Mining: A Sentiment Analysis towards Super Typhoon Ompong mengkaji tentang bagaimana memperolah cerminan asli dari suatu peristiwa melalui penambangan emosi dari oponi-opini pengguna twitter yang mengalami bencana alam angin topan super. Metode yang digunakan ialah Natural Language Processing (NLP) dan didapatkan kesempulan bahwa lima sentimen yang memiliki skor tertinggi ialah negatif, rasa takut, positif, percaya, dan antisipasi. Dari hasil penelitian juga didapat hasil perbandingan sentimen dari pengguna twitter sebelum
II-19
terjadi bencana alam angin topan, saat terjadi, dan sesudah kejadian terdapat sedikit perubahan terutama pada sentimen surprise dan disgust.
Suharjito Abimanyu (2019) pada penelitiannya yang berjudul Indonesian online travel agent sentiment analysis using machine learning methods menilai sentimen pengguna online travel yaitu traveloka, agoda, dan tiket pada sosial media facebook. Masalah yang harus di Proses analisis sentimen dilakukan dengan bantuan software rapidminer dan menggunakan metode K-Nearest Neighbor, Naïve Bayes dan algoritma SVM. Hasil yang diperoleh pada penelitian ini adalah Perusahaan yang mendapatkan nilai kepuasan tertinggi dari Traveloka dengan nilai 97,53 diikuti oleh Tiket dengan nilai 91,55 dan kurang memuaskan di dapat oleh Agoda dengan nilai -96,03.
2.9 Kerangka Konseptual
Kerangka teoritis adalah model konseptual yang menunjukan keterkaitan antara variabel yang telah diidentifikasikan sebagai hal penting dalam menganalisis masalah pada penelitian (Sinulingga, 2011). Dengan kata lain kerangka teoritis menjelaskan hubungan anatar semua faktor. Dalam penelitian peningkatan kualitas jasa pengiriman dengan menggunakan hasil analisis sentimen ini dilakukan dengan mengaplikasikan teori-teori yang ada. Adapun kerangka teoritis penelitian ini dapat dilihat pada Gambar 2.3.
II-20
Tanggung jawab pada kerusakan paket
Penggunaan Teknologi
Ketepatan waktu pengiriman paket
Kondisi paket
Kinerja Karyawan
Jaminan keamanan paket
Biaya pengiriman
Cakupan wilayah pengiriman
Lokasi kantor cabang
Keragaman pilihan jasa
Kualitas Jasa Pengiriman Barang Kepuasan Pelanggan Dan Usulan Perbaikan
Sumber : Microsoft Visio
Gambar 2.3. Kerangka Konseptual Penelitian
Berdasarkan gambar 2.3 diatas dijelaskan bahwa kepuasan pengguna jasa pegiriman barang dipengaruhi oleh beberapa variabel. Dalam penelitian yang dilakukan oleh Arbidanata, dkk. (2017) dilakukan sebuah analisis kebutuhan pelayanan jasa pengiriman paket kantor pos dengan menggunakan metode Importance Performance Analysis, dimana untuk dapat merumuskan rekomendasi perbaikan variabel yang dijadikan sebagai benchmark adalah penanganan keluhan pelanggan, kecepatan dalam menanggapi keluhan pelanggan, tanggung jawab pada kerusakan paket, penggunaan teknologi modern untuk menunjang kebutuhan perusahaan, ketepatan waktu pengiriman paket, kondisi paket, keramahan karyawan, kantor cabang berada diberbagai wilayah, cakupan wilayah pengiriman luas.
II-21
Adapun definisi operasional dari kerangka konseptual penelitin adalah berikut ini :
1. Tanggung jawab pada kerusakan paket berarti bahwa penyedia jasa pengiriman barang memiliki kebijakan penggantian biaya kirim apabila paket rusak atau hilang.
2. Penggunaan teknologi berarti penggunaan internet untuk memberikan informasi, pengecekan resi, penerimaan komplain dan pengecekan ongkos kirim, aplikasi ponsel untuk mengecek paket.
3. Ketepatan waktu pengiriman paket yaitu penyedia jasa pengiriman paket dalam melakukan pengiriman paket apakah akan sesuai dengna estimasi yang telah dibuat atau tidak.
4. Kondisi paket ialah penyedia jasa menyediakan pembungkusan paket atau tidak.
5. Kinerja karyawan dilihat dari indikator penampilan karyawan pada perusahaan jasa pengiriman yang sering dipakai, perilaku/sikap karyawan dan pelayanan customer service yang cepat dan tepat.
6. Jaminan keamanan paket seperti menyediakan asuransi pengiriman. Biaya pengiriman paket adalah tarif produk jasa layanan dan kesesuaian harga produk dengan fasilitas yang didapatkan.
7. Cakupan wilayah pengiriman memiliki indikator keterjangkauan kantor cabang jasa pengiriman jumlah dan ketersebaran agen maupun kantor cabang.
II-22
8. Keberagaman pilihan jasa yaotu seperti menyediakan jasa express, reguler, cash on delivery, dan lainnya (Vidyantina, 2014).
Variabel-variabel ini merupakan variabel independen yang dapat mempengaruhi variabel yang lain (dependen) yaitu tingkat kepuasan dari pelanggan.
III-1
BAB III
METODE PENELITIAN
3.1. Jenis Penelitian
Penelitian tugas sarjana ini adalah penelitian deskriptif yang bertujuan untuk mendeskripsikan secara sistematik, faktual dan akurat tentang fakta-fakta dan sifat- sifat suatu objek atau populasi tertentu (Sinulingga, 2018). Maksud dan tujuan penelitin ini hanya sebatas membuat deskripsi yang tepat dari ulasan penggunaan jasa pengiriman barang.
3.2. Lokasi dan Waktu Penelitian
Penelitian dilakukan secara online. Waktu penelitian dilakukan mulai bulan Oktober hingga Desember 2021.
3.3. Objek Penelitian
Objek yang diteliti ialah ulasan masyarakat pada media sosial di twitter yang menggunakan jasa pengiriman barang JNE dan J&T.
3.4. Metodologi Pengumpulan Data
Data yang digunakan dalam penelitian ini merupakan data sekunder yang diperoleh dari ulasan pengguna terhadap jasa pengiriman barang pada media sosial twitter. Data terbatas pada dua jasa pengiriman barang yaitu JNE dan J&T. Dengan memanfaatkan tool twitter pada orange data mining yang mana penambangan data
