Sentimen Analisis Ulasan Aplikasi Shopee pada Google Playstore Menggunakan Algoritma SVM dan K-NN

Kristiadi, Johanes (2024) Sentimen Analisis Ulasan Aplikasi Shopee pada Google Playstore Menggunakan Algoritma SVM dan K-NN. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (640kB)
	PDF BAB_I.pdf Download (231kB)
	PDF BAB_II.pdf Download (471kB)
	PDF BAB_III.pdf Download (334kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (7MB)
	PDF BAB_V.pdf Download (143kB)
	PDF DAFTAR_PUSTAKA.pdf Download (231kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Perkembangan teknologi yang pesat telah mengakselerasi digitalisasi di berbagai sektor, termasuk e-commerce yang menjadi salah satu sektor yang mengalami pertumbuhan masif. Dalam konteks ini, aplikasi e-commerce menjadi sarana utama bagi masyarakat untuk berbelanja secara online. Di Indonesia, Shopee telah menjadi salah satu platform e-commerce terbesar dengan jumlah pengguna yang mencapai puncaknya pada tahun 2023, memperoleh predikat sebagai aplikasi e-commerce dengan pengguna terbanyak di Indonesia, mencapai 2.35 miliar pengguna. Meskipun begitu, tingginya jumlah pengguna pada aplikasi Shopee juga diiringi dengan adanya keluhan terkait masalah teknis, seperti seringnya aplikasi mengalami crash saat digunakan. Untuk mengatasi permasalahan tersebut, penelitian ini berfokus pada analisis sentimen menggunakan ulasan dan rating pengguna terhadap aplikasi Shopee, yang diperoleh melalui platform Google Play Store. Dalam penelitian ini, digunakan dua algoritma utama, yaitu Support Vector Machine (SVM) dan K Nearest Neighbor (KNN), untuk menganalisis sentimen tersebut. Hasil penelitian menunjukkan bahwa mayoritas ulasan masyarakat terhadap aplikasi Shopee adalah positif, mencapai 58.2%. Model terbaik yang dihasilkan setelah melalui tahap optimasi dengan GridSearch CV adalah Support Vector Machine, yang mencapai akurasi tertinggi sebesar 99.77% dengan nilai precision, recall, dan F1- score yang tinggi untuk kedua label, baik positif maupun negatif.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Analisis Sentimen, GridSearch CV, KNN, Shopee, SVM
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	12 Nov 2024 12:22
Last Modified:	12 Nov 2024 12:22
URI:	https://kc.umn.ac.id/id/eprint/34886

Actions (login required)

View Item