PEMANFAATAN ANALISIS SENTIMEN ULASAN PRODUK PADA E-COMMERCE UNTUK MENGETAHUI KEPUASAN PEMBELI MENGGUNAKAN ALGORITMA SVM


Athaya Yustisia Pugan, 5302418052 (2023) PEMANFAATAN ANALISIS SENTIMEN ULASAN PRODUK PADA E-COMMERCE UNTUK MENGETAHUI KEPUASAN PEMBELI MENGGUNAKAN ALGORITMA SVM. Under Graduates thesis, UNIVERSITAS NEGERI SEMARANG.

[thumbnail of Skripsi] PDF (Skripsi)
Restricted to Repository staff only

Download (1MB) | Request a copy

Abstract

Indonesia merupakan salah satu negara dengan pengguna internet terbanyak di Asia yang sejalan dengan perubahan pola hidup seperti pergeseran selera berbelanja masyarakat Indonesia dari pasar konvensional ke e-commerce. Bagi para pelaku usaha, memahami perilaku konsumen merupakan hal yang sangat penting untuk menyusun strategi pemasaran dan operasional cara penjualan, namun bukanlah hal yang mudah untuk diproses secara manual. Penelitian ini bertujuan untuk melakukan klasifikasi sentimen pada ulasan produk di e-commerce secara otomatis yang kemudian akan ditinjau untuk mengetahui kepuasan pembeli dari produk tersebut. Penelitian ini menganalisis sentimen yang berasal dari ulasan produk (review) pada e-commerce Shopee. Proses penelitian ini meliputi tahap persiapan data seperti case folding, normalisasi, tokenizing, filtering dan stemming. Selanjutnya akan dilakukan pelabelan otomatis menggunakan bantuan corpus Valence Aware Dictionary and Sentimen Reasoner (VADER). Untuk proses klasifikasi sendiri menggunakan algoritma Support Vector Machine (SVM) dengan persentasi data uji:data latih sebanyak 75:25 yang kemudian akan dievaluasi menggunakan confussion matrix serta visualisasi data menggunakan word cloud. Dari hasil pengujian didapatkan sebesar 79% pembeli merasa puas dengan produk tersebut dengan nilai akurasi tertinggi sebesar 82% menggunakan algoritma SVM yang dibandingkan dengan pelabelan otomatis menggunakan VADER. Sedangkan jika hasil klasifikasi SVM dibandingkan dengan pelabelan manual dihasilkan akurasi sebesar 85%. Untuk hasil pelabelan otomatis VADER yang dibandingkan dengan pelabelan manual memiliki akurasi sebesar 89%. Kata kunci: Analisis Sentimen, Support Vector Machine (SVM), Valence Aware Dictionary and Sentimen Reasoner (VADER)

Item Type: Thesis (Under Graduates)
Uncontrolled Keywords: Kata kunci: Analisis Sentimen, Support Vector Machine (SVM), Valence Aware Dictionary and Sentimen Reasoner (VADER)
Subjects: T Technology > TA Engineering (General). Civil engineering (General)
Fakultas: Fakultas Teknik > Pendidikan Teknik Informatika dan Komputer, S1
Depositing User: TUKP unnes
Date Deposited: 22 Apr 2024 07:57
Last Modified: 22 Apr 2024 07:57
URI: http://lib.unnes.ac.id/id/eprint/62570

Actions (login required)

View Item View Item