Tamara Kembangkan Kerangka Analisis Ulasan Pelanggan Berbasis Large Language Models

Program Magister Teknik Industri Universitas Gadjah Mada (UGM) kembali menyelenggarakan Ujian Tesis pada Rabu (24/09). Salah satu peserta, Tamara Kartika, mempresentasikan penelitian berjudul “Pengembangan Kerangka Identifikasi Prioritas Pengembangan Atribut Produk Berbasis Ulasan Pelanggan Daring”.

Penelitian ini dibimbing oleh Prof. Ir. Subagyo, Ph.D., IPU., ASEAN Eng., serta diuji oleh Ir. Fitri Trapsilawati, S.T., Ph.D., IPM., ASEAN Eng., Ir. Budhi Sholeh Wibowo, S.T., M.T., PDEng., IPM., ASEAN Eng., dan Ir. Achmad Pratama Rifai, S.T., M.Eng, Ph.D.

Dalam paparannya, Tamara menjelaskan bahwa perusahaan saat ini menghadapi tantangan besar dalam memahami kebutuhan pelanggan secara cepat dan akurat, terutama di tengah dinamika pasar dan keterbatasan sumber daya. Penelitian ini menawarkan solusi dengan memanfaatkan ulasan pelanggan daring sebagai sumber data utama melalui pendekatan text mining.

Metode tradisional seperti Latent Dirichlet Allocation (LDA) dan analisis sentimen konvensional terbukti memiliki keterbatasan dalam menangkap konteks bahasa alami. Untuk itu, penelitian ini mengembangkan kerangka prompting berbasis Large Language Models (LLMs) dengan variasi pendekatan zero-shot, alternative, dan few-shot. Hasil analisis kemudian diintegrasikan dengan Algoritma Peluang dan Model Kano sehingga menghasilkan Diagram Peluang-Kano sebagai alat bantu visualisasi prioritas atribut produk.

Hasil penelitian menunjukkan bahwa pendekatan berbasis LLMs lebih unggul dibanding metode tradisional, dengan koherensi topik mencapai >0,76 dan akurasi analisis sentimen hingga 94%. Temuan ini membuktikan bahwa integrasi ulasan pelanggan daring dengan analisis berbasis LLMs mampu mendukung pengambilan keputusan strategis dalam pengembangan produk yang lebih adaptif dan berbasis data nyata.

Kontributor: Maryanti, A.Md.
Penyusun: Gusti Purbo Darpitojati, S.I.Kom.

Tinggalkan Komentar

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *

*

Situs ini menggunakan Akismet untuk mengurangi spam. Pelajari bagaimana data komentar Anda diproses