Amadeus, Nathaniel (2021) Penggunaan Algoritma Support Vector Machine dan Naive Bayes untuk Analisis Sentimen Pengguna Instagram terhadap E-Commerce di Indonesia. Bachelor Thesis thesis, Universitas Multimedia Nusantara.
Abstract
Tingkat adopsi E-Commerce di Indonesia semakin meningkat dari tahun ke tahun dan mampu memberikan dampak ke berbagai faktor. E-Commerce merupakan sistem jual beli yang dilakukan melalui internet. Instagram mempublikasikan berbagai postingan yang dapat dikomentari oleh penggunanya. Komentar negatif dalam postingan tersebut dapat merusak citra dari perusahaan. Penelitian ini bertujuan untuk melakukan evaluasi E-Commerce berdasarkan tanggapan masyarakat Indonesia pengguna Instagram dari komentar negatif dan positif dari E-Commerce. Algoritma yang digunakan dalam penelitian ini adalah algoritma Support Vector Machine dan Naïve Bayes karena kedua algoritma ini merupakan algoritma yang sudah teruji dan baik untuk klasifikasi teks. Proses dari penelitian ini akan menggunakan metode KDD. Hasil yang didapatkan melalui penelitian ini adalah algoritma Support Vector Machine menghasilkan hasil yang lebih baik dibandingkan dengan Naïve Bayes berdasarkan hasil accuracy. Kesimpulan yang bisa diberikan adalah terdapat banyak komentar negatif dalam komentar di Instagram E Commerce serta hasil dari algoritma Support Vector Machine lebih baik dibandingkan dengan Naïve Bayes.
Item Type: | Thesis (Bachelor Thesis) |
---|---|
Keywords: | Analisis Sentimen, E-Commerce, Instagram, Naïve Bayes, Support Vector Machine |
Subjects: | 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++ 600 Technology (Applied Sciences) > 650 Management and Public Relations > 658 General management (Risk Management, Profit and Loss, Logistics) > 658.8 Mall, Shopping Center, E-Commerce |
Divisions: | Faculty of Engineering & Informatics > Information System |
SWORD Depositor: | Administrator UMN Library |
Depositing User: | Administrator UMN Library |
Date Deposited: | 24 Aug 2021 17:02 |
Last Modified: | 05 Jul 2023 02:07 |
URI: | https://kc.umn.ac.id/id/eprint/17047 |
Actions (login required)
View Item |