Perpustakaan Digital ITB
Penelitian ini ingin melihat lebih lanjut apakah pembaca merasa puas dengan artikel detik.com, agar
detikcom dapat memperbaiki dan meningkatkan performa konten artikel menjadi lebih berkualitas di
mata pembaca, hal ini sebagai bentuk untuk dapat meningkatkan retensi pembaca pada website. Untuk
dapat menjawab pertanyaan tersebut, maka di dalam penelitian ini dilakukan evaluasi dengan
menggunakan Natural Language Processing (NLP) terhadap konten artikel beserta komentar yang
dilontarkan pengguna pada artikel tersebut sebagai bentuk feedback atau respon pengguna atas artikel
tersebut. Evaluasi ini melihat dari segi tonalitas atau pesan yang disampaikan penulis di dalam artikel
dan feedback yang diberikan pengguna dengan cara klasifikasi sentimen, yaitu sentiment positif, negatif,
dan netral dengan metode kuantitatif untuk mengetahui persebaran sentimen, dan metode kualitatif
untuk menganalisa performa artikel berdasarkan sebaran klasifikasi sentimen dan feedback yang
diberikan pengguna dengan analisis matriks utama detik.com dalam menganalisa performa artikel, yaitu
jumlah Pageviews, Users, Bounce Rate (BR), dan Sessions. Total artikel yang dianalisa berjumlah 75
artikel dan dibedakan menjadi 3 kategori artikel berdasarkan topik; yaitu kategori Politik, Kesehatan,
dan Olahraga (Sepakbola), dengan masing-masing kategori berjumlah 25 artikel. Klasifikasi sentimen
akan menggunakan InSet Lexicon untuk mengategorisasikan kalimat. Hasil dari analisis sentimen ini
memiliki tingkat akurasi sebesar 74.19% dengan menggunakan Naïve Bayes pada perangkat
pembelajaran mesin, WEKA. Dari hasil kategorisasi dengan menggunakan InSet Lexicon
memperlihatkan bahwa sebagian besar artikel memiliki tonalitas yang negatif, yaitu sebesar 65.1% dari
total 1,798 kalimat dari seluruh artikel. Artikel-artkel tersebut secara keseluruhan mendapatkan
feedback dari pengguna yang sebagian besar adalah negatif, yaitu sebesar 67.2% dari total 36,006
feedback. Hal ini dapat menunjukkan bahwa dengan mayoritas kalimat yang memiliki tonalitas yang
negatif, pengguna kurang merespon baik dari artikel yang mereka baca, atau dapat dikatakan bahwa
pengguna cenderung tidak puas dengan artikel yang dibaca. Analisis performa artikel yang dilakukan
juga menunjukkan bahwa artikel yang memiliki tonalitas yang cenderung negatif memiliki BR yang
tinggi, namun beberapa diantaranya memiliki jumlah Pageviews dan Users yang tinggi. Hal ini dapat
diartikan bahwa artikel yang bertonalitas negatif memiliki ketertarikan yang cukup tinggi di mata
pengguna, namun tidak memiliki engagement yang tinggi di dalam website.