Analisa Ewom Untuk Program Pemasaran Media Sosial Instragram Tiket.Com Menggunakan Topic Modelling, Sentiment Analysis, Dan Social Network Analysis
Abstract
Penelitian ini bertujuan untuk mengetahui bagaimana eWOM yang terjadi serta penyebarannya di jejaring sosial Instagram hingga bagaimana faktor yang menjadikan seseorang sebagai penggerak opini menggunakan topic modelling, sentiment analysis dan social network analysis dengan komentar di laman Instagram Tiket.com sebagai sumber data. Periode penelitian dilakukan mulai 1 Januari 2022 – 31 Agustus 2022. Hasil eWOM menunjukkan topik yang paling sering dibicarakan pengguna Tiket.com di Instagram adalah seputar keluhan error dan sold out, permintaan membalas DM, dan Bali & Jogja sebagai tempat wisata menarik. Kemudian didapati sebagian besar persepsi pengguna Tiket.com dapat dikatakan baik karena persentase sentimen positif lebih unggul dibandingkan dengan persentase sentimen negatif. Selain itu, eWOM yang ada di jaringan Instagram bersifat lambat dan sulit tersebar karena konsumen jarang berinteraksi dengan sesama konsumen dan hanya fokus dengan komentarnya sendiri. Diketahui juga bahwa seorang influencer yang memiliki engagement rate yang baik juga komunitas yang telah dimiliki ditambah dengan persona yang sesuai dengan konsumen Tiket.com dapat menjadi penggerak eWOM di jaringan sosial Tiket.com dan hasil analisa eWOM menggunakan big data analitik dapat digunakan untuk rekomendasi program pemasaran Instagram Tiket.com Kata Kunci-eWOM, Instagram, sentiment analysis, social network analysis, topic modellingReferences
Agatha, O. (2021, Agustus 1). Perjalanan tiket.com dari 2011 hingga 2021, Selalu Setia Nemenin Kamu! From
blog.tiket.com: https://blog.tiket.com/perjalanan-tiket- com/
Almansoori, W., Gao, S., Tamer N. Jarada, Abdallah M. Elsheikh, Ayman N. Murshed, Jamal Jida, . . . Jon Rokne .
(2012). Link prediction and classification in social networks and its application in healthcare and systems biology.
Network Modeling Analysis in Health Informatics and Bioinformatics , 27-36.
Chaffey, D., & Chadwick , F. E. (2019).
Digital Marketing: Strategy, Implementation and Practice. London: London: Pearson Education Limited.
Cheliotis, & Giorgos. (2010). Social Network Analysis. Singapore: Singapore: National .
D, P. (2020). Media Sosial Periklanan - Instagram. Deepublish.Eriza, Z. N. (2017). Peran Mediasi Citra Merek dan
Persepsi Risiko pada Hubungan antara Electronic Word of Mouth (E-WOM) dan Minat Beli (Studi pada Konsumen
Kosmetik E-Commerce di Solo Raya). Jurnal Komunikasi dan Teknologi Informasi.
Google, Company, B. a., & Temasek. (2020). Google e-Conomy SEA. Singapore.
Jalilvand, M. R., & Heidari, A. (2017).
Comparing face-to-face and electronic word-of-mouth in destination image formation: The case of Iran. Information
Technology & People.
Kumparan. (2019, April 2). Peran Online Travel Agent di Bisnis Penjualan Tiket Pesawat. From Kumparan:
https://kumparan.com/kumparantravel/pe ran-online-travel-agent-di-bisnis- penjualan-tiket-pesawat1554107247465370628
Napoleon Cat. (2020, March). From Instagram users in Indonesia: https://napoleoncat.com/stats/instagram- users-inindonesia/2020/03/
Silverman, G. (2011). Secrets of word-of- mouth marketing: how to trigger exponential sales through runaway word of
mouth. . Journal of Consumer Marketing.
Solomon, M. (1994). Buying, having and being. In M. Solomon, Buying, having and being. London: prentice hall.
ThorstenHennig-Thurau, P.Gwinner, K., & Walsh, G. (2004). Electronic word-of- mouth via consumer-opinion
platforms: What motivates consumers to articulate themselves on the Internet? Journal of Interactive Marketing,
-52.
Yue, L., Chen, W., Li, X., Zuo, W., & Minghao Yin. (2019). A survey of sentiment analysis in social media. Knowledge
and Information Systems volume, 617-663.
