PT Tiki Jalur Nugraha Ekakurir (JNE) adalah layanan jasa kurir terpopuler yang memperoleh peringkat pertama sebagai top brand perusahaan jasa kurir di Indonesia pada tahun 2018. Meskipun sebagai top brand leader jasa kurir di Indonesia, ternyata JNE masih memiliki berbagai tanggapan keluhan masalah yang dilayangkan oleh pelanggan melalui internet dan media sosial. Hal ini menjadi bahan menarik untuk ditelaah sebagai sarana evaluasi dan strategi peningkatan kualitas layanan logistik perusahaan untuk mempertahankan dan memantau tingkat layanannya agar tetap berada pada posisi leader dalam industri jasa kurir.
Penelitian ini menggunakan metode analisis sentimen model klasifikasi Naive Bayes Classifier (NBC) dan Support Vector Machine (SVM) serta klasifikasi multi kelas yang bertujuan untuk meninjau model klasifikasi yang paling baik, mengetahui rating sentimen, dan mengetahui permasalahan apa saja yang perlu diprioritaskan. Data dalam penelitian ini diambil dari cuitan pelanggan di Twitter yang mention ke akun @JNECare dan atau @JNEID. Populasi dalam penelitian ini adalah seluruh twit yang mention ke akun Twitter @JNECare dan atau @JNEID. Sampel penelitian adalah twit yang diperoleh selama 30 hari dari tanggal 1 September 2019 sampai 30 september 2019 sebanyak 11.134 twit.
Hasil penelitian ini adalah kedua model klasifikasi memiliki nilai akurasi yang sangat baik, namun model klasifikasi NBC memiliki performa lebih baik dari segi tingkat nilai recall, f-measure, dan kappa dibandingkan SVM. Kualitas layanan logistik JNE didominasi oleh sentimen negatif sebesar 97,82% dan positif sebesar 2,18%. Dimensi yang memiliki sentimen negatif terbanyak adalah Personnel Contact Quality sebesar 1.061 twit dan Timeliness sebanyak 1.122 twit sehingga kedua dimensi tersebut menjadi prioritas masalah utama (high priority) JNE yang mendesak untuk segera diperbaiki. Maka dari itu, JNE perlu meningkatkan pemeriksaan pesan-pesan personal dan memberikan respon balasan yang cepat terhadap keluhan masalah pelanggan serta meningkatkan komitmen dalam setiap layanan pengiriman barang agar sesuai dengan estimasi waktu pengriman.
Kata kunci: kualitas layanan logistik, analisis sentimen, klasifikasi multi kelas, text mining, dan machine learning