Integrasi Analisis Data Ulasan Online Berbasis Machine Learning dengan Quality Function Deployment Guna Mendukung Proses Pengembangan Produk (Studi Kasus: Ventela Public Low)

Abstract

Proses pengembangan produk dilakukan dengan langkah awal yaitu perencanaan desain baik dari segi fisik maupun kualitas. Kebutuhan konsumen atau Voice of Customer menjadi input penting bagi proses pengembangan desain. Perkembangan teknologi dan media saat ini menjadikan data review online sebagai sumber data yang menjanjikan. Produk Ventela Public Low merupakan salah satu produk yang terkenal karena banyaknya pendapat/review tentang produk yang disampaikan melalui media sosial. Melalui machine learning dengan tahap text processing dilakukan analisa terhadap data review produk Ventela Public Low. Analisis sentimen akan digunakan, untuk menemukan kelompok kelas dari masing-masing data. Algoritma klasifikasi yang digunakan adalah Naïve bayes dan SVM. Dari serangkaian percobaan, didapatkan model dengan nilai performansi tertinggi yaitu sebesar 71. Hasil validasi model tersebut dengan 10-cross fold validation diperoleh nilai rata-rata sebesar 0,850463 atau dalam persen 85,0463%. Selanjutnya mengukur keakuratan model dengan menghitung ROC AUC, dengan nilai 0,858485 dan 0,866732 yang berarti model termasuk kedalam good classification. Model ini akan digunakan pada tahap selanjutnya untuk memproses data input QFD. Dalam beberapa tahap QFD diperlukan peran dari stakeholder seperti tim desain, tim pemasaran, dan bagian produksi, maka pada beberapa tahap QFD akan digunakan data dummy (subjektif peneliti). Dari hasil simulasi QFD yang dilakukan peneliti, menunjukkan bahwa integrasi antara analisis data review menggunakan machine learning dangan QFD menghasilkan informasi yang layak sesuai dengan ketentuan metode QFD dan dapat mendukung proses pengembangan produk dari segi jumlah data, topik data yang beragam, dan mengurangi subjektivitas konsumen yaitu pada tahap penentuan VoC dan nilai kinerja produk dan pesainng.