Analisis Sentimen Masyarakat Terhadapt E-commerce pada Media Sosial Menggunakan Multilayer Perceptron dengan Word Embedding

Kelly Isyanta, Kevin (2020) Analisis Sentimen Masyarakat Terhadapt E-commerce pada Media Sosial Menggunakan Multilayer Perceptron dengan Word Embedding. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img] Text
HALAMAN_AWAL.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Share Alike.

Download (516kB)
[img]
Preview
Text
DAFTAR_PUSTAKA.pdf
Available under License Creative Commons Attribution Share Alike.

Download (192kB) | Preview
[img]
Preview
Text
BAB_I.pdf
Available under License Creative Commons Attribution Share Alike.

Download (287kB) | Preview
[img]
Preview
Text
BAB_II.pdf
Available under License Creative Commons Attribution Share Alike.

Download (312kB) | Preview
[img]
Preview
Text
BAB_III.pdf
Available under License Creative Commons Attribution Share Alike.

Download (884kB) | Preview
[img] Text
BAB_IV.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Share Alike.

Download (2MB)
[img]
Preview
Text
BAB_V.pdf
Available under License Creative Commons Attribution Share Alike.

Download (122kB) | Preview
[img] Text
LAMPIRAN.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Share Alike.

Download (983kB)

Abstract

Perkembangan e-commerce di Indonesia merupakan salah satu yang terbesar di dunia. Banyak perusahaan e-commerce yang bermunculan sehingga penilaian, komentar atau opini masyarakat terhadap suatu nama e-commerce dapat dijadikan analisa terhadap pasar online. Tren saat ini adalah mencari opini dan sentimen dalam ulasan produk di media sosial seperti Twitter. Penentuan polaritas positif atau negatifnya suatu opini dapat dilakukan secara manual, tetapi seiring bertambahnya sumber opini menjadi semakin banyak waktu dan usaha yang dibutuhkan. Untuk mengatasi masalah tersebut, sistem analisis sentimen menggunakan Multilayer Perceptron (MLP Classifier) yang menggunakan word embedding sebagai feature extraction dibuat untuk membantu menentukan apakah suatu opini memiliki sentimen positif atau negatif. MLP Classifier dipilih karena merupakan bagian dari Artificial Neural Network (ANN) dan performanya lebih baik dibandingkan classifier lain. Dengan penggunaan FastText sebagai word embedding yang lebih modern, mampu mendeteksi kata di luar vocabulary serta tidak diperlukan lagi stemming dan stopwords removal agar tidak mengubah arti sesungguhnya dari input. Penelitian ini bertujuan untuk mengimplementasikan MLP Classifier dengan word embedding untuk klasifikasi sentimen pada ecommerce. Hasil implementasi yang memiliki performa terbaik adalah model dengan jumlah dataset yang seimbang dengan pembagian train dan test set 80:20 dan hyperparameter tuning menggunakan GridSearchCV dengan 5 stratified cross validation yang memperoleh hasil akurasi sebesar 89.24% dan macro-average precison, recall dan F1 score sebesar 89%.

Item Type: Thesis (Bachelor Thesis)
Keywords: Analisis Sentimen, E-commerce, FastText, MLP Classifier, Model, Toko Online, Tweet, Word Embedding
Subjects: 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 006 Special Computer Methods > 006.7 Multimedia Systems, Blogs, Social Media, Web Application Frameworks
Divisions: Faculty of Engineering & Informatics > Informatics
SWORD Depositor: mr admin umn
Depositing User: mr admin umn
Date Deposited: 04 Dec 2020 21:54
Last Modified: 16 Aug 2023 01:40
URI: https://kc.umn.ac.id/id/eprint/14276

Actions (login required)

View Item View Item