BAB 1 Jman
BAB 1 Jman
JAYUSMAN
2402313594
Dalam era digital saat ini, semakin banyak perusahaan yang beroperasi dalam lingkungan digital dan
menghadapi tantangan dalam memahami dan merespons sentimen pelanggan terhadap produk
digital mereka. Produk digital, seperti aplikasi mobile, situs web, atau platform e-commerce, telah
menjadi komponen penting dari strategi bisnis banyak perusahaan. Namun, sukses produk digital
tidak hanya ditentukan oleh fungsionalitas dan kualitas teknis, tetapi juga oleh persepsi dan
tanggapan pengguna terhadap produk tersebut.
Salesforce CRM (Customer Relationship Management) adalah sebuah platform perangkat lunak yang
dikembangkan oleh perusahaan Salesforce. CRM merujuk pada strategi dan teknologi yang
digunakan oleh perusahaan untuk mengelola interaksi dan hubungan dengan pelanggan. Salesforce
CRM secara khusus mengacu pada solusi perangkat lunak yang disediakan oleh Salesforce untuk
membantu perusahaan mengelola proses penjualan, pemasaran, dan layanan pelanggan. Dalam
salesforce memiliki modul ticket yang dimana semua data masukan dari pelanggan akan ditulis
dalam sistem salesforce.
Untuk penelitian ini fokus utamanya adalah analisa sentiment analisis produk digital pada salesforce
(CRM) yang digunakan untuk menganalisa data dalam sistem salesforce yang semua didapat dari
para agent yang memasukan komentar mengenai produk digital yang digunakan oleh pelanggan.
Data yang digunakan selama 2 bulan untuk pembuatan model.
Sentimen pelanggan terhadap produk digital dapat berpengaruh signifikan terhadap citra merek,
kepuasan pelanggan, dan keberhasilan bisnis secara keseluruhan. Oleh karena itu, semakin penting
bagi perusahaan untuk memahami dan menganalisis sentimen pelanggan secara efektif. Sentimen
analisis adalah metode yang digunakan untuk mengumpulkan, menganalisis, dan menafsirkan
pendapat dan perasaan pelanggan yang terungkap dalam teks terkait produk digital, seperti ulasan,
komentar, atau posting media sosial. Analisis sentimen memungkinkan perusahaan untuk
memperoleh wawasan berharga tentang preferensi pelanggan, kecenderungan pembelian,
kepuasan pelanggan, dan masalah yang mungkin muncul.
Dalam konteks sentimen analisis pada produk digital, terdapat beberapa tantangan yang harus
diatasi. Pertama, data yang berkaitan dengan sentimen pelanggan dapat sangat besar dan kompleks.
Diperlukan metode dan algoritma yang tepat untuk mengolah dan menganalisis data dengan akurasi
dan efisiensi tinggi. Kedua, penting untuk memahami konteks dan nuansa yang mungkin terkandung
dalam teks pelanggan. Arti kata-kata dan frasa dapat berbeda tergantung pada konteksnya, dan ini
harus diperhitungkan dalam proses analisis sentimen. Terakhir, perusahaan harus mampu
merespons dengan cepat terhadap sentimen pelanggan yang muncul, baik dalam hal perbaikan
produk, peningkatan layanan, atau pengambilan keputusan bisnis yang cerdas.
Berdasarkan uraian di latar belakang, maka masalah penelitian yang akan diselesaikan dapat
dipersamaankan sebagai berikut :
1. Bagaimana gambaran umum data ticket pada salesforce untuk produk digital dengan
2. Manakah nilai accuracy tertinggi jika membandingkan algoritma LSTM dengan algoritma
salesforce.?
3. Dapat menampilkan data sentiment analisis dan menggunakan data baru untuk melihat hasil
1. Mengklasifikasi analisis tiket salesforce pada produk digital menggunakan deep learning
Transformers (BERT).
2. Membandingkan dan menganalisa performa antara metode LSTM dan Bidirectional Encoder
Representations from Transformers (BERT) untuk menghasilkan metode yang lebih akurat
Dari penelitian yang dilakukan diharapkan memberikan kontribusi manfaat sebagai berikut :
1. Bagi dunia penilitian, tesis ini diharapkan menambah kontribusi terhadap produk digital
3. Bagi Produk Digital, tesis ini diharapkan dapat memberikan arahan untuk memberikan
1. Data yang digunakan menggunakan data salesforce (CRM) pada rentang 2 bulan.
2. Data salesforce (CRM) bersifat data harian yang di inputkan oleh agent mengenai masukan
3. Algoritma yang dilakukan untuk membuat sentiment analisis adalah Bidirectional Encoder
4. Algoritma yang dilakukan untuk benchmarking adalah Long Short Term Memory (LSTM)
Standar.