Universitas Bhayangkara Jakarta Raya

Institutional Repositories

Hermarani, Salsabiila Tsaabitah Putri (2021) Implementasi Text Mining Pada Analisis Sentimen Terhadap Shopee Indonesia Menggunakan Metode Support Vector Machines. Undergraduate thesis, Universitas Bhayangkara Jakarta Raya.

	Text 201710225202_Salsabila Tsaabitah Putri Hermarani_Cover - Daftar Isi.pdf Download (1MB)
	Text 201710225202_Salsabila Tsaabitah Putri Hermarani_BAB I.pdf Download (329kB)
	Text 201710225202_Salsabila Tsaabitah Putri Hermarani_BAB II, III, IV.pdf Restricted to Registered users only Download (2MB)
	Text 201710225202_Salsabila Tsaabitah Putri Hermarani_BAB V.pdf Download (325kB)
	Text 201710225202_Salsabila Tsaabitah Putri Hermarani_Daftar Pustaka.pdf Download (352kB)
	Text 201710225202_Salsabila Tsaabitah Putri Hermarani_Lampiran.pdf Restricted to Registered users only Download (1MB)

Abstract

Shopee merupakan salah satu e-commerce yang ada di Indonesia. Jika Shopee dapat memberikan layanan yang tepat sesuai ekspektasi konsumen, maka Shopee akan memiliki persepsi yang baik di mata konsumen. Persepsi tersebut dapat dilihat melalui komentar. Namun, menganalisis aktivitas komentar tidak cukup untuk memeriksa skor, sehingga perlu melihat seluruh konten komentar untuk mengetahui arti dari komentar tersebut. Jika jumlahnya kecil dapat dilakukan secara manual, namun bila jumlahnya banyak maka sistem akan lebih efektif. Penelitian ini bertujuan untuk menganalisis komentar pengguna aplikasi e-commerce Shopee di situs Google Play Store dengan tahapan text mining yang kemudian menggunakan metode Support Vector Machine (SVM) untuk mengetahui seberapa akurat metode tersebut dalam mengklasifikasi komentar serta membuat sistem berbasis web untuk memudahkan proses klasifikasi analisis sentimen. Hasil menunjukan data komentar Shopee yang diperoleh dari situs Google Play sebanyak 1.100 komentar telah dilakukan proses text mining menghasilkan 828 komentar masuk kelas positif dan 272 komentar masuk kelas negatif. Klasifikasi dengan metode Support Vector Machines diperoleh tingkat akurasi tertinggi sebesar 90% setelah dilakukannya 5 kali pecobaan serta sistem yang dibuat telah mempermudah proses klasifikasi analisis sentimen

Item Type:	Thesis (Undergraduate)
Subjects:	Teknologi dan Ilmu Terapan > Komputer
Divisions:	Fakultas Ilmu Komputer > Informatika
Depositing User:	Admin Repositori
Date Deposited:	24 Sep 2023 19:59
Last Modified:	24 Sep 2023 19:59
URI:	http://repository.ubharajaya.ac.id/id/eprint/23681

Actions (login required)

View Item

Downloads