Perpustakaan Digital ITB

Chatbot telah banyak digunakan di berbagai perusahaan dari beragam industri. Meskipun chatbot telah terbukti jauh lebih efisien dan lebih cepat daripada agen manusia, hal tersebut tidak selalu memberikan pengalaman yang memuaskan bagi pelanggan karena mereka dianggap terlalu kaku. Keluhan pelanggan sering tidak terjawab dan membuat mereka tidak puas dengan layanan chatbot. Untuk mencegah pelanggan kecewa dengan kualitas layanan yang kurang maksimal, perusahaan perlu memahami apa yang sebenarnya dibutuhkan pelanggan untuk meningkatkan kinerja chatbot. Untuk mencapai tujuan tersebut, penelitian ini menggunakan metode hybrid dari teknik TextBlob dan Logistic Regression berbasis leksikon untuk mengidentifikasi sentimen chatbot, dilanjutkan dengan teknik LDA Topic Modeling untuk menemukan topik yang paling banyak dibicarakan dari pelanggan di Twitter dan dilanjutkan dengan pengembangan ide. Hasil riset ini menunjukkan bahwa 39% pelanggan mempunyai sentimen yang positif, namun 34,9% di antaranya memiliki sentimen negatif. Hal ini menunjukkan semakin banyaknya pelanggan yang tidak puas dengan chatbot dan menuntut perhatian serius dari perusahaan yang menggunakan chatbot. Selanjutnya, pemodelan topik LDA menemukan delapan topik yang paling banyak dibicarakan oleh pelanggan di Twitter seperti Dialog yang Tidak Natural, Kenyamanan, dan Kualitas Layanan. Dengan rangkaian topik ini sebagai petunjuk, penelitian ini memberikan kontribusi ide yang dapat digunakan oleh perusahaan atau pengembang chatbot untuk mermpercepat proses inovasi produk chatbot dan pada akhirnya memberikan peningkatan kualitas layanan kepada pelanggan.