Tidak ada review pada koleksi ini: 55489
Pengelola Museum Nasional Indonesia secara rutin melakukan survei kepuasan publik
menggunakan instrumen survei yang diadaptasi dari Service Quality (SERVQUAL).
Namun, pengelola museum nasional menghadapi sejumlah tantangan dalam menilai
kepuasan publik melalui metode survei tradisional. Untuk itu, penelitian ini bertujuan
untuk mengetahui kepuasan dan keluhan pengunjung menggunakan analisis sentimen
berbasis aspek dan pemodelan topik pada ulasan Museum Nasional Indonesia di Google
Maps. Enam pendekatan machine learning klasik, yaitu Naïve Bayes, Logistic
Regression, Decision Tree, Random Forest, Support Vector Machine, dan Extreme
Gradient Boosting (XGBoost), digunakan untuk analisis sentimen dengan ekstraksi fitur
BoW dan TF-IDF. Penelitian ini menggunakan sejumlah metode pra-pemrosesan data,
termasuk penghapusan stopwords, penggunaan stemming dan emoji processing, serta
metode sampling SMOTE dan ROS pada data latih yang mengalami ketidakseimbangan
kelas. Lima aspek yang digunakan dalam analisis ini berasal dari lima dimensi
SERVQUAL: keberwujudan (tangibility), keandalan (reliability), daya tanggap
(responsiveness), jaminan (assurance), dan empati (empathy). Evaluasi kinerja model
dilakukan dengan membandingkan skor F1 pada eksperimen yang berbeda untuk
menentukan skenario terbaik. Setelahnya dilanjutkan dengan pemodelan topik
menggunakan metode Latent Dirichlet Allocation (LDA) yang dievaluasi berdasarkan
coherence score. Hasil penelitian menunjukkan bahwa XGBoost dengan TF-IDF dan
metode resampling SMOTE adalah model dengan kinerja terbaik di semua skenario
dengan rata-rata F1-scores antara 89.5% hingga 90.2%. Pemodelan topik LDA
menemukan ulasan positif mencakup kenyamanan, kebersihan, harga tiket terjangkau,
akses mudah, staf ramah, dan respons cepat. Ulasan negatif mencakup masalah parkir,
pencahayaan, koleksi kurang lengkap, teguran petugas keamanan, informasi koleksi
kurang, jumlah petugas kurang, dan penutupan layanan tak diketahui.