ABSTRAK
Penggunaan layanan transportasi daring sebagai solusi permasalahan transportasi saat ini menjadi pusat perhatian. Manfaat dan kemudahan yang ditawarkan membuat banyak orang menggunakannya dalam kehidupan sehari-hari dan mendiskusikannya di media sosial. Akibatnya, penyedia jasa transportasi daring memanfaatkan media sosial untuk menangkap opini pelanggan dan memasarkan layanan mereka. Jika opini dan komentar pelanggan tentang transportasi daring dianalisis lebih lanjut, penyedia layanan dapat memperoleh masukan untuk mengevaluasi layanan mereka untuk memenuhi kepuasan pelanggan. Penelitian ini menggabungkan pendekatan text mining berupa analisis sentimen berbasis aspek untuk mengidentifikasi topik dalam opini pelanggan beserta sentimennya, dengan penilaian terhadap penyedia jasa transportasi daring secara umum dan secara spesifik berdasarkan topik dan sentimen yang dihasilkan. Penelitian ini menggunakan data opini pelanggan tiga penyedia jasa transportasi daring di Twitter. Data teks diklasifikasikan berdasarkan enam topik yang didapat dari proses pemodelan topik, beserta sentimennya. Penilaian terhadap ketiga penyedia jasa transportasi daring menggunakan jumlah komentar positif dan negatif dari masing-masing topik maupun secara keseluruhan. Hasil dari penelitian ini dapat digunakan sebagai masukan untuk melakukan evaluasi dan peningkatan layanan sehingga kepuasan dan loyalitas pelanggan dapat dipertahankan dan ditingkatkan.

---

ABSTRACT
The use of ride hailing service as a solution to current transportation problems is at the center of attention. The benefits and conveniences offered make many people use it in everyday life and discuss it in social media. As a result, ride hailing service providers utilize social media to capture customers rsquo opinions and market their services. If customers 39 opinions and comments about ride hailing service are analyzed further, service providers can get feedback to evaluate their services to meet customer satisfaction. This study combines text mining approach in the form of aspect based sentiment analysis to identify topics in customer opinions and their sentiments, with scoring for ride hailing service providers in general and specifically based on the topics and sentiments. This study used customers rsquo opinions to three ride hailing service providers on Twitter. Text data was classified based on six topics derived from the topic modeling process, along with its sentiments. Scoring for the three ride hailing service providers used the number of positive and negative comments from each topic as well as overall. The result of this study can be used as input to evaluate and improve the service so that customer satisfaction and loyalty can be maintained and improved.