Desain Sistem Sentiment Analysis untuk Customer Relationship Management dalam Enterprise Resource Planning
Abstract
Analisis data yang pada Customer Relationship Management (CRM) Analytics umumnya hanya mengandalkan data historis untuk melakukan prediksi. Dengan munculnya microblogging dan jumlah data tidak terstruktur yang dihasilkan setiap hari, perusahaan tidak harus lagi hanya mengandalkan analisis data terstruktur karena hal tersebut memakan waktu dan proses yang panjang untuk mendapatkan umpan balik dari pelanggan. Sentiment Analysis memberikan kemungkinan untuk menganalisis dan mengekstrak pendapat pelanggan dari yang data tidak terstruktur yang tersedia di microblog. Umumnya untuk melihat sentimen konsumen, bisa dilihat dari review atau pendapat konsumen. Sekarang ini pendapat atau opini banyak sekali bertebaran di media digital sperti media sosial dalam bentuk data teks. Akan tetapi data teks ini sulit untuk dianalisis karena bentuknya yang tidak terstruktur. Oleh karena itu dibutuhkan alat atau teknologi yang bisa melakukan analisis terhadap data tidak terstruktur, salah satunya adalah dengan menggunakan machine learning. Proyek desain ini bertujuan untuk melakukan analisis kebutuhan, mendesain, dan mengevaluasi sistem sentiment analysis berbasis machine learning dengan algoritma naive bayes yang sesuai dengan kebutuhan pengguna. Untuk mencapai hal itu kami menggunakan UML untuk menggambarkan desain sistem, SCRUM sebagai metode Software Development Life Cycle (SDLC) dalam pengembangan sistem kemudian dilakukan evaluasi terhadap sistem yang kami kembangankan. Berdasarkan hasil User Acceptance Testing (UAT) yang kami lakukan, diketahi bahwa sistem yang kami desain dan implementasikan sudah sesuai dengan kebutuhan pengguna. Analysis of data in Customer Relationship Management (CRM) generally only relies on historical data to make predictions. With the advent of microblogging and the amount of unstructured data being generated every day, companies no longer have to rely solely on structured data analysis as it takes time and a long process to get feedback from customers. Sentiment Analysis provides the possibility to analyze and extract customer opinions from unstructured data available on microblogs. Generally, to see consumer sentiment, it can be seen from consumer reviews or opinions. Currently, there are a lot of opinions or opinions scattered on digital media such as social media in the form of text data. However, the text of this data is difficult to analyze because of the unstructured forms. Therefore, a tool or technology is needed that can analyze unstructured data, one of which is by using machine learning. This design project aims to conduct a needs analysis, design, and develop a machine learning-based sentiment analysis system with a naive Bayes algorithm that suits user needs. To achieve this, we use UML to describe the system design, SCRUM as a Software Development Life Cycle (SDLC) method in system development and then evaluate the system we have developed. results Based on the User Acceptance Testing (UAT) that we did, it was found that the system we designed and implemented was in accordance with the user's needs.