digilib@itb.ac.id +62 812 2508 8800

ANALISIS PERFORMA ARTIKEL DENGAN MENGGUNAKAN NATURAL LANGUAGE PROCESSING (NLP) UNTUK STUDI KASUS DETIK NETWORK (DETIK.COM)

Penulis : Listia Dwiputrianti [29119587]
Kontributor / Dosen Pembimbing :
  • Ir. C.O. Budi Permadi Iskandar, M.S.P.
Jenis Koleksi : Tesis
Penerbit : Magister Bisnis dan Administrasi - Teknologi
Fakultas : Sekolah Bisnis dan Manajemen
Subjek : General management
Kata Kunci : Machine Learning, Natural Language Processing (NLP), WEKA, analisis sentimen, Lexicon-based sentiment, InSet Lexicon, Naïve Bayes, Support Vector Machine (SVM), performa artikel, Detik Network.
Sumber :
Staf Input/Edit : Yose Ali Rahman  
File : 1 file
Tanggal Input : 29 Agu 2022

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.

Artikel Terkait