Teknologi mempengaruhi berbagai lini kehidupan masyarakat. Penggunaan transportasi, memenuhi kebutuhan seperti belanja, bahkan juga untuk bersosialisasi semuanya menggunakan teknologi. Aktivitas seperti jual beli juga pun terpengaruh, hingga mendorong munculnya e-commerce. E-commerce tentu berkaitan dengan pelanggan maupun pengguna e-commerce yang mengungkapkan berbagai opininya. Beberapa opini disampaikan melalui media sosial yang dimiliki oleh e-commerce salah satunya adalah Twitter. Opini inilah yang menarik dieksplorasi untuk diketahui sentimen dan tingkat kepuasan dari pelanggan e-commerce. Oleh karenanya, penelitian ini bertujuan untuk menyusun aspek kepuasan pelanggan dan juga menentukan metode Lexicon yang relevan untuk analisis sentimen. Data diambil dari microblogs Twitter terbatas pada 5 penyelenggara e-commerce yaitu Blibli, Bukalapak, Lazada, Shopee, dan Tokopedia sebanyak 88.816 tweet. Dikategorisasikan ke dalam aspek-aspek sehingga menjadi 12.995 tweet. Aspek-aspek kepuasan pelanggan disusun melalui studi literatur dan menghasilkan 6 aspek. Keenam aspek tersebut adalah aspek produk, penjual, logistik, harga, layanan, dan sistem. Kategorisasi tweet ke dalam aspek menggunakan kata kunci berkaitan dengan aspek-aspek sebanyak 73 kata kunci yang dihasilkan dari analisis hasil word cloud dan topic modelling yang menggunakan LDA. Untuk pemilihan metode lexicon dibuat skenario yang diujikan pada 300 tweet yang dilabeli secara manual dan dipilih secara acak dari data aspek. Skenario yang dilakukan pada data berlabel ada dua, yaitu menggunakan Lexicon 1 dan Lexicon 2. Lexicon 1 adalah perbandingan kamus, sedangkan Lexicon 2 merupakan perbandingan rumus yang berbeda. Hasil Lexicon 1 adalah seluruh kamus memiliki nilai akurasi sama yaitu 0,54. Sedangkan pada Lexicon 2 memiliki nilai akurasi tertinggi yaitu 0,46 dari kamus berskala 1 dengan rumus pertama. Sehingga, metode terpilih adalah Lexicon 1 menggunakan kamus InSet. Penerapan kategorisasi aspek menghasilkan bahwa aspek dominan pada masing-masing e-commerce dan pada keseluruhan e-commerce adalah aspek produk. Penerapan metode berbasis leksikon pada analisis sentimen menghasilkan bahwa di seluruh e-commerce pada setiap aspeknya memiliki sentimen dominan positif. Implikasi dari penelitian ini adalah bertambahnya khazanah ilmu pengetahuan berkaitan kepuasan pelanggan dan bervariasinya kamus serta metode berbasis leksikon yang dapat menjadi referensi dan penelitian lebih lanjut. Selain itu, bagi penyelenggara e-commerce penelitian ini dapat membantu analisis untuk peningkatan maupun pengambilan kebijakan.

---

Technology affects various lines of people's lives. The use of transportation, meeting needs such as shopping, and even socializing all use technology. Activities such as buying and selling were also affected, thus encouraging the emergence of e-commerce. E-commerce is undoubtedly related to customers and e-commerce users who express various opinions. Some opinions are conveyed through social media owned by e-commerce, one of which is Twitter. This opinion is interesting to be explored to find out the sentiment and satisfaction level of e-commerce customers. Therefore, this study aims to compile aspects of customer satisfaction and determine the Lexicon method relevant to sentiment analysis. Data was taken from Twitter microblogs limited to 5 e-commerce organizers, namely Blibli, Bukalapak, Lazada, Shopee, and Tokopedia, with a total of 88,816 tweets. Categorized into aspects so that it becomes 12,995 tweets. Aspects of customer satisfaction are compiled through literature studies and produce six aspects. The six aspects are product, seller, logistics, price, service, and system. Categorizing tweets into aspects using keywords related to aspects as many as 73, resulting from analysis of word cloud results and topic modeling using LDA.

For the selection of the lexicon method, scenarios were created that were tested on 300 tweets labeled manually and randomly selected from aspect data. Two scenarios were performed on labeled data using Lexicon 1 and Lexicon 2. Lexicon 1 is a comparison of dictionaries, while Lexicon 2 is a comparison of different formulas. The result of Lexicon 1 is that all dictionaries have the same accuracy value of 0.54. Meanwhile, Lexicon 2 has the highest accuracy value of 0.46 on a scale of one dictionary with the first formula. So, the chosen method is Lexicon 1 using the InSet dictionary. The application of aspect categorization results in the dominant aspect in each e-commerce, and all e-commerce is the product aspect. Applying the lexicon-based method to sentiment analysis results in all e-commerce has dominant positive sentiment in every aspect. The implication of this research is to increase the knowledge related to customer satisfaction and the variety of dictionaries and lexicon-based methods that can be used as references and further research. In addition, for e-commerce organizers, this research can assist analysis for improvement and policy making.