Analisis Sentimen Twitter terhadap TikTok Shop dengan Algoritma Naive Bayes dan Support Vector Machine

Vincent, Vincent (2023) Analisis Sentimen Twitter terhadap TikTok Shop dengan Algoritma Naive Bayes dan Support Vector Machine. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (858kB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (208kB) | Preview
Preview	PDF BAB_I.pdf Download (211kB) | Preview
Preview	PDF BAB_II.pdf Download (261kB) | Preview
Preview	PDF BAB_III.pdf Download (259kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
Preview	PDF BAB_V.pdf Download (202kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Dengan perkembangan internet yang begitu pesat, istilah e-commerce sudah tidak asing lagi bagi masyarakat. Dalam beberapa tahun terakhir, e-commerce terus menerus mengalami pertumbuhan dengan semakin banyak orang yang beralih untuk berbelanja secara online. TikTok mulai memasuki e-commerce dengan meluncurkan TikTok shop yang merupakan fitur baru yang memungkinkan penggunanya untuk menelusuri dan membeli produk langsung di dalam aplikasi TikTok. Dengan semakin banyaknya e-commerce yang bermunculan maka diperlukan sebuah penilaian berdasarkan analisis sentimen pada sosial media Twitter yang diungkapkan dalam teks yang berupa opini positif atau negatif. Twitter memungkinkan penggunanya untuk saling berbagi pendapat atau opini melalui tweet yang dibatasi hingga 280 karakter. Tweets yang dibagikan ini dikumpulkan dan dijadikan data dalam penelitian ini. Pada penelitian ini, analisis sentimen dilakukan dengan menggunakan metode Naive Bayes dan Support Vector Machine. Confusion matrix kemudian digunakan untuk mendapatkan nilai accuracy, precision, recall, dan f1-score. Hasil dari penelitian ini menunjukkan metode Support Vector Machine kernel linear mendapatkan hasil accuracy, recall, dan f1-score yang lebih baik dibandingkan metode Naive Bayes dengan hasil accuracy 83.36%, recall 71.43%, dan f1-score 73.76%. Sedangkan metode Naive Bayes mendapatkan hasil precision yang lebih baik dibandingkan metode Support Vector Machine dengan hasil 82.63%.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Analisis Sentimen, Confusion Matrix, Naive Bayes, Support Vector Machine, TikTok Shop, Twitter
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++
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	06 Jul 2023 10:01
Last Modified:	08 Aug 2023 04:59
URI:	https://kc.umn.ac.id/id/eprint/25831

Actions (login required)

View Item