Penerapan Big Data Menggunakan Algoritma Multi-Label K-Nearest Neighbor dalam Analisis Sentimen Konsumen UMKM Sektor Kuliner

Abstract

UMKM di Kota Bogor merupakan UMKM yang mengalami perkembangan yang signifikan dari tahun ke tahun. Pada tahun 2019, di Kota Bogor tercatat ada sekitar 30.822 usaha UMKM yang didominasi sektor kuliner 60 persen, kerajinan 30 persen dan 10 persen lainnya adalah sektor batik. Dengan adanya pertumbuhan UMKM yang signifikan tersebut, maka akan berpengaruh terhadap persaingan UMKM yang semakin meningkat dan akan semakin sulit untuk melihat peta persaingan pada UMKM, khususnya pada sektor kuliner. Sehingga untuk mengatasi persaingan tersebut salah satu cara yang dapat dilakukan adalah melihat sentimen konsumen terhadap UMKM tersebut. Salah satu metode yang dapat digunakan dalam menyelesaikan permasalahan tersebut, adalah metode <em>Data Mining</em><em>.</em> Pada metode <em>Data Mining</em>, terdapat beberapa algoritma popular yang sering digunakan. Dan salah satu algoritma yang popular itu adalah algoritma <em>K-Nearest Neighbor</em><em> (K-NN).</em> Algoritma KNN dapat digunakan pada berbagai kasus penelitian, seperti <em>multi-class classification, binary classification</em> dan <em>multi-label classification</em> yang dapat membantu dalam memprediksi berbagai kasus di kehidupan sehari-hari. Sehingga dalam hal ini, kami mengusulkan sebuah ide baru, yaitu penerapan <em>Big Data </em>menggunakan algoritma <em>Multi-Label K-Nearest Neighbor </em>atau ML-KNN dalam analisis sentimen konsumen terhadap UMKM sektor kuliner di Kota Bogor. Ide atau gagasan tersebut dapat bermanfaat bagi pelaku UMKM sektor kuliner di Kota Bogor dalam mengetahui <em>insight </em>atau wawasan dari hasil analisis sentimen konsumen terhadap UMKM dan dapat membantu untuk pengambilan sebuah keputusan bisnis dalam meningkatkan daya saingnya terhadap kompetitor atau UMKM sektor kuliner yang berada di Kota Bogor.

Analisis Sentimen Konsumen terhadap Food, Services, and Value di Restoran dan Rumah Makan Populer Kota Makassar Berdasarkan Rekomendasi Tripadvisor Menggunakan Metode CRISP-DM dan SERVQUAL

“…Selain itu, Azzahra dan Wibowo menunjukkan bahwa kepuasan pelanggan terhadap produk dan layanan wisata kuliner dapat diidentifikasi dan dianalisis berdasarkan data teks yang tertera di sejumlah platform digital seperti Tripadvisor menggunakan teknik data mining maupun text processing [5]. Selanjutnya, Fauzi et al menunjukkan bahwa era Big Data memungkinkan pengembang bisnis untuk memanfaatkan data digital sebagai aset dalam mengidentifikasi dan menganalisis preferensi pelanggan terkait dengan produk dan layanan wisata kuliner [6]. Adapun, Sari menunjukkan bahwa algoritma yang digunakan dalam proses analisis sentimen akan menentukan nilai akurasi, presisi dan sensivitas sebagai rujukan performa dari algoritma yang digunakan [7].…”

“…Disisi lain, Asmara et al menegaskan bahwa opini konsumen yang dipublikasikan melalui berbagai media terkait produk dan layanan di rumah makan maupun restaurant mencerminkan citra wisata kuliner Indonesia [41]. Adapun, Fauzi et al menekankan bahwa pendekatan big data melalui kajian analisis sentimen konsumen produk dan layanan Usaha Mikro Kecil dan Menengah (UMKM) diperlukan untuk mengidentifikasi faktor-faktor yang menghambat perkembangan UMKM khususnya di sektor bisnis kuliner [42]. Hal ini menunjukkan bahwa analisis sentimen di bidang pariwisata perlu dikaji secara komprehensif berdasarkan konteks baik destinasi, hotel, rumah makan maupun restaurant, sehingga dapat diketahui persepsi konsumen terhadap kualitas produk dan layanan [8], [9], faktor-faktor yang memengaruhi kepuasan wisatawan [10], [43], serta faktor-faktor yang menghambat pertumbuhan bisnis di bidang pariwisata [11], [12] sehingga dapat diberikan rekomendasi yang sesuai.…”