KLASTERISASI TOPIK ULASAN PADA APLIKASI OJEK ONLINE DENGAN ALGORITMA K-MEANS CLUSTERING

Penelitian ini berjudul "Klasterisasi Topik Ulasan pada Aplikasi Ojek Online dengan Algoritma K-Means Clustering". Seiring dengan meningkatnya penggunaan layanan transportasi ojek online seperti Grab dan Gojek, jumlah ulasan pengguna yang tersedia di platform digital semakin bertambah. Ulasan tersebut mengandung berbagai opini dan pengalaman pengguna, tetapi bersifat tidak terstruktur, sehingga sulit dianalisis secara manual. Penelitian ini bertujuan untuk mengelompokkan ulasan pengguna terhadap layanan Grab dan Gojek berdasarkan tema utama yang sering muncul dalam ulasan menggunakan metode K-Means Clustering. Penelitian ini dibatasi pada ulasan pengguna yang diperoleh dari Google Play Store dan hanya berfokus pada analisis teks menggunakan teknik Text Mining dan machine learning. Proses penelitian melibatkan pengumpulan data ulasan pengguna dari Google Play Store, yang kemudian diproses melalui tahapan Preprocessing data seperti Handling Duplikat, Data Cleaning, Lowercasing, Normalized, Slangword, Abbreviation, Tokenization, stopword removal, Stemming dan TF-IDF untuk representasi data numerik. Algoritma K-Means Clustering diterapkan untuk mengelompokkan ulasan berdasarkan kemiripan topik, sedangkan Silhouette Score digunakan untuk mengevaluasi kualitas klaster dan menentukan jumlah klaster optimal. Hasil penelitian menunjukkan bahwa jumlah klaster optimal untuk dataset Grab dan Gojek adalah tiga dengan masing-masing klaster mencerminkan tema utama ulasan pengguna. Pada dataset Gojek, klaster dengan skor tertinggi berisi ulasan terkait pengalaman pengguna dan kemudahan aplikasi. Sedangkan pada dataset Grab, ulasan lebih banyak membahas penggunaan aplikasi dan promosi. Nilai Silhouette Score tertinggi untuk Gojek adalah 0.5059 pada klaster 0, sementara untuk Grab adalah 0.4704 pada klaster 2 yang menunjukkan kualitas klaster yang baik. Penelitian ini menyimpulkan bahwa metode K-Means Clustering efektif dalam mengidentifikasi pola ulasan pengguna terhadap layanan Grab dan Gojek.