Analisis Sentimen Kepuasan Pelanggan Terhadap Warunk Upnormal Berdasarkan Ulasan Google Maps Menggunakan IndoBERT Dan Topic Modeling
Abstract
Industri kuliner Indonesia berkembang pesat, terutama di kalangan generasi muda. Warunk Upnormal, sebagai salah
satu restoran populer, menunjukkan performa stabil meskipun data Google Trends mencatat penurunan minat
pencarian sejak akhir 2020. Penelitian ini bertujuan menganalisis sentimen pelanggan dan mengidentifikasi topik
utama dalam ulasan terkait Warunk Upnormal. Metode yang digunakan mencakup analisis sentimen dengan model
IndoBERT dan pemodelan topik menggunakan BERTopic. Sebanyak 21.917 ulasan dari Google Maps dikumpulkan
melalui web scraping dan diklasifikasikan ke dalam kategori positif, negatif, dan netral. Hasil menunjukkan bahwa
IndoBERT memiliki akurasi tinggi sebesar 94,42%. Dari total ulasan, 75,53% tergolong positif dan 24,47% negatif.
Sentimen positif mencerminkan kepuasan pelanggan terhadap aspek kenyamanan tempat, rasa dan variasi makanan,
harga, kualitas pelayanan, dan pengaruh sosial. Sebaliknya, ulasan negatif menyoroti masalah seperti koneksi Wi-Fi
yang buruk, ketidaksesuaian harga dan kualitas, penurunan cita rasa, pelayanan lambat, serta kebersihan yang tidak
konsisten. Temuan ini mengindikasikan adanya kesenjangan antara harapan dan kenyataan layanan, terutama di
cabang Bandung. Hasil studi ini diharapkan membantu manajemen dalam merancang strategi peningkatan layanan
dan kepuasan pelanggan.
Kata Kunci-analisis sentimen, BERTopic, Google Maps, IndoBERT, kepuasan pelanggan
References
Adjie, K. R., Santoso, P., Husna, A., Putri, N. W., & Rakhmawati, A. (2022). Analisis Topik Tagar Covidindonesia
pada Instagram Menggunakan Latent Dirichlet Allocation. In Jurnal Informatika Sunan Kalijaga) (Vol. 7,
Issue 1).
Alfarobby, A. N., & Irawan, H. (2024). Analisis Sentimen Kepuasan Konsumen Pengguna Transportasi Online
Pada Ulasan Google Playstore Menggunakan Indobert Dan Topic Modeling (Studi kasus: Gojek dan Grab)
(Vol. 11, Issue 1).
Ayu Nirwana, Z. F., & Fathoni, M. Y. (2024). Sentiment Analysis of JNT Express, JNE and Sicepat Customer
Satisfaction on Twitter Using Multinomial NaÔve Bayes Method. International Conference on Electrical
Engineering, Computer Science and Informatics (EECSI), 716–721.
https://doi.org/10.1109/EECSI63442.2024.10776297
Bennix. (2023, January 31). PRAHARA DIBALIK HANCURNYA WARUNK UPNORMAL 2023! INVESTOR
SAHAM WAJIB TAHU! Https://Www.Youtube.Com/Watch?V=7NkEIue4jBg&t=758s.
Chicco, D., Tˆtsch, N., & Jurman, G. (2021). The matthews correlation coefficient (Mcc) is more reliable than
balanced accuracy, bookmaker informedness, and markedness in two-class confusion matrix evaluation.
BioData Mining, 14, 1–22. https://doi.org/10.1186/s13040-021-00244-z
Darwis, D., Shintya Pratiwi, E., Ferico, A., & Pasaribu, O. (2020). PENERAPAN ALGORITMA SVM UNTUK
ANALISIS SENTIMEN PADA DATA TWITTER KOMISI PEMBERANTASAN KORUPSI REPUBLIK
INDONESIA. In Jurnal Ilmiah Edutic (Vol. 7, Issue 1).
Dudija, N., Natalia, L., Alamsyah, A., & Romadhony, A. (2022). Identification of Extraversion and Neuroticism
Personality Dimensions Using IndoBERT’s Deep Learning Model. Proceedings of the 2022 IEEE
International Conference on Industry 4.0, Artificial Intelligence, and Communications Technology, IAICT
, 155–159. https://doi.org/10.1109/IAICT55358.2022.9887476 Erfina, A., & Wardani, N. (2022). ANALISIS SENTIMEN PERGURUAN TINGGI TERMEWAH DI INDONESIA
MENURUT ULASAN GOOGLE MAPS MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM).
Jurnal Manajemen Informatika & Sistem Informasi, 5(1), 77–85.
Grootendorst, M. (2022). BERTopic: Neural topic modeling with a class-based TF-IDF procedure.
http://arxiv.org/abs/2203.05794
Irawan, H., Akmalia, G., & Masrury, R. A. (2019). Mining tourist’s perception toward Indonesia tourism destination
using sentiment analysis and topic modelling. ACM International Conference Proceeding Series, 7–12.
https://doi.org/10.1145/3361821.3361829
Julianto, Y., Setiabudi, D. H., & Rostianingsih, S. (2022). Analisis Sentimen Ulasan Restoran Menggunakan Metode
Support Vector Machine. Jurnal Infra, 10(1).
Masrury, R. A., Fannisa, & Alamsyah, A. (2019, July 1). Analyzing tourism mobile applications perceived quality
using sentiment analysis and topic modeling. 2019 7th International Conference on Information and
Communication Technology, ICoICT 2019. https://doi.org/10.1109/ICoICT.2019.8835255
Mehta, P., & Pandya, Dr. S. (2020). A Review On Sentiment Analysis Methodologies, Practices And Applications.
INTERNATIONAL JOURNAL OF SCIENTIFIC & TECHNOLOGY RESEARCH, 9(2), 601–609.
Noviana, R., & Rasal B A. (2023). PENERAPAN ALGORITMA NAIVE BAYES DAN SVM UNTUK ANALISIS
SENTIMEN BOY BAND BTS PADA MEDIA SOSIAL TWITTER. JTS, 2(2), 51–60.
Nurrachmat Hidayat, F. (2023). Analisis Sentimen Masyarakat Terhadap Perekrutan PPPK Pada Twitter Dengan
Metode Naive Bayes … (Fajar Nurrachmat Hidayat, Sugiyono) Analisis Sentimen Masyarakat Terhadap
Perekrutan PPPK Pada Twitter Dengan Metode Naive Bayes Dan Support Vector Machine. Jurnal Sains Dan
Teknologi, 5(2), 665–672. https://doi.org/10.55338/saintek.v5i1.1359
Rahmawati, A., Alamsyah, A., & Romadhony, A. (2022). Hoax News Detection Analysis using IndoBERT Deep
Learning Methodology. 2022 10th International Conference on Information and Communication Technology,
ICoICT 2022, 368–373. https://doi.org/10.1109/ICoICT55009.2022.9914902
Rezende, G. A., Mariano, A. M., Santos, M. R., & Coelho Constatin, A. C. (2024). Modeling Customer Satisfaction
in the Food Industry: Insights from a Structural Equation Approach. Procedia Computer Science, 242, 130–
https://doi.org/10.1016/j.procs.2024.08.250
Rifa, A., Sujaini, H., Prawira, D., & Hadari Nawawi, J. H. (2021). Sentiment Analysis Objek Wisata Kalimantan
Barat Pada Google Maps Menggunakan Metode Naive Bayes. JEPIN (Jurnal Edukasi Dan Penelitian
Informatika), 7(3), 400–407.
Rusdhi, V. F., & Sari, I. (2022). IDENTIFIKASI TOPIK ARTIKEL BERITA MENGGUNAKAN TOPIC
MODELLING DENGAN LATENT DIRICHLET ALLOCATION. Jurnal Ilmiah Informatika Komputer,
(2), 169–176. https://doi.org/10.35760/ik.2022.v27i2.6829
Situmorang, G. F., & Purba, R. (2024). Deteksi Potensi Depresi dari Unggahan Media Sosial X Menggunakan
Teknik NLP dan Model IndoBERT. Technology and Science (BITS), 6(2).
https://doi.org/10.47065/bits.v6i2.5496
Sugiyono. (2018). Metode Penelitian Kuantitatif.
Syahril Dwi Prasetyo, Shofa Shofiah Hilabi, & Fitri Nurapriani. (2023). Analisis Sentimen Relokasi Ibukota
Nusantara Menggunakan Algoritma NaÔve Bayes dan KNN. Jurnal KomtekInfo, 1–7.
https://doi.org/10.35134/komtekinfo.v10i1.330
Tjiptono, F., & Diana, A. (2022). Manajemen dan Strategi Kepuasan Pelanggan.
Wilie, B., Vincentio, K., Winata, G. I., Cahyawijaya, S., Li, X., Lim, Z. Y., Soleman, S., Mahendra, R., Fung, P.,
Bahar, S., & Purwarianti, A. (2020). IndoNLU: Benchmark and Resources for Evaluating Indonesian Natural
Language Understanding. http://arxiv.org/abs/2009.05387
