Peningkatan jumlah market size E-commerce C2C setiap tahunnya menandakan bahwa marketplaces di Indonesia memiliki potensi yang besar. Di satu sisi ¬e-commerce memang memberikan banyak kemudahan, namum di sisi lain model belanja online ini juga berpotensi untuk merugikan konsumen. Penanganan bentuk keluhan pelanggan tidak bisa apabila hanya berfokus pada satu lembaga, dibutuhkan alternatif penyampaian keluhan lainnya. Penggunaan media sosial seperti Twitter banyak digunakan orang Indonesia, untuk bebas dalam menyampaikan pendapatnya. Pemanfaatan bidang Data Analytics dapat membantu dalam menganalisa konten percakapan pada media sosial dengan menggunakan metode Wordcloud, Text Mining, dan Social Network Analysis. Oleh karena itu, perlu dilakukan penelitian tentang penggunaan network text analysis dalam konten percakapan di Twitter untuk menggambarkan keluhan pelanggan pada marketplaces di Indonesia.
Melalui penelitian ini akan dilakukan penelitian untuk melihat isi keluhan pelanggan apa saja yang ada pada konten percakapan media sosial Twitter pada marketplaces Tokopedia dan BukaLapak sebagai objeknya, penggambaran keluhan keluhan pelanggan melalui network text, dan penentuan sikap atau tindakan yang dapat dilakukan berdasarkan keluhan yang dibicarakan pada media sosial Twitter tersebut.
Metode pengumpulan data dilakukan melalui proses crawling pada akun Twitter Tokopedia dan BukaLapak (@tokopedia, @bukalapak, @TokopediaCare dan @Bukalapak_Care) baik yang berupa mention, reply maupun retweet yang kemudian di filter untuk mendapatkan data yang relevan dengan penelitian. Dari data observasi yang diperoleh terdapat 65 nodes, 382 edges pada Tokopedia dan 65 nodes, 305 edges pada BukaLapak dengan tipe graph yang sama yaitu Undirected. Pengolahan data pada penelitian ini dilakukan dengan bantuan berbagai software yaitu RStudio, wordcloud generator berbasis web, Tagul, Rapid Miner Studio 7.1 dan Gephi 0.9.1.
Berdasarkan hasil pengolahan data, dapat diketahui isi keluhan pelangggan berdasarkan hasil wordcloud diantaranya “penjual, tidak bisa, proses, transaksi, dan barang”, pada Tokopedia dan “transaksi, barang, pelapak, dana, dan status”, pada BukaLapak yang memiliki visualisasi kata lebih besar dari kata lainnya. Adapun penggambaran keluhan pelanggan pada konten media sosial Twitter Tokopedia digambarkan pada hasil network text berdasarkan degree-nya yang berisi kata “barang, penjual, tidak, belum, proses, dan transaksi” dan kata “transaksi, barang, pelapak, belum, dana, dan tidak” pada BukaLapak dengan didukung tingkat kepadatan graph yang cukup erat yang menggambarkan tingkat hubungan antar kata yang berisikan keluhan sering dibicarakan.
Berdasarkan hasil penelitian, penentuan sikap atau tindakan yang dapat dilakukan oleh marketplaces dapat ditangani dengan cepat dan tepat setelah mengetahui isi keluhan pelanggan yang dibicarakan pada media sosial Twitter, pentingnya mengetahui penilaian pelanggan terhadap pelayanan juga dapat membantu marketplaces Tokopedia dan BukaLapak untuk memberikan pelayanan yang lebih optimal.
Kata kunci : perilaku konsumen; keluhan pelanggan; e-commerce; network text analysis; social network analysis