PENERAPAN TEXT CLASSIFICATION DALAM MENGANALISIS KOMUNIKASI PELANGGAN DI MEDIA SOSIAL

Perkembangan pesat interaksi digital menuntut analisis komunikasi pelanggan yang efektif
di media sosial guna mengoptimalkan Manajemen Hubungan Pelanggan (CRM).
Pendekatan tradisional seringkali terkendala oleh volume dan sifat data yang tidak
terstruktur, sehingga mengakibatkan keterlambatan dalam memberikan layanan kepada
pelanggan. Penelitian ini berfokus pada optimasi CRM melalui Klasifikasi Teks dengan
model DistilBERT untuk mengkategorikan isu pelanggan. Studi ini menggunakan dataset
publik (9.974 entri percakapan pelanggan berbahasa Inggris dalam beberapa kelas) yang
melalui pra-pemrosesan komprehensif, termasuk undersampling dan pembagian data dua
skenario. Model DistilBERT di-fine-tune dengan delapan konfigurasi hyperparameter, dan
kinerjanya dievaluasi menggunakan metrik akurasi, presisi, dan recall. Hasil menunjukkan
kinerja model yang luar biasa, dengan beberapa skenario mencapai skor validasi
sempurna (1.0000), mengindikasikan generalisasi kuat dan overfitting minimal. Sebuah
dasbor KPI juga diintegrasikan untuk visualisasi isu terklasifikasi dan metrik CRM relevan
lainnya untuk wawasan yang dapat ditindaklanjuti. Temuan ini mengonfirmasi bahwa
pendekatan Klasifikasi Teks berbasis DistilBERT dapat diimplementasi pada sistem CRM.