Analisis Sentimen Komentar Instagram Menggunakan Support Vector Machine dan Naive Bayes terhadap Penjualan Produk D Alba

Cendekia Ramadhani, Nafisah (2025) Analisis Sentimen Komentar Instagram Menggunakan Support Vector Machine dan Naive Bayes terhadap Penjualan Produk D Alba. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (693kB)
	PDF BAB_I.pdf Download (468kB)
	PDF BAB_II.pdf Download (528kB)
	PDF BAB_III.pdf Download (4MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (8MB)
	PDF BAB_V.pdf Download (269kB)
	PDF DAFTAR_PUSTAKA.pdf Download (268kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (465kB)

Abstract

Penelitian ini dilatarbelakangi oleh tingginya popularitas produk skincare D'Alba di Indonesia serta meningkatnya aktivitas konsumen di media sosial, khususnya Instagram. Komentar pengguna dinilai memiliki potensi untuk mencerminkan opini publik dan memengaruhi keputusan pembelian di marketplace seperti Shopee dan Tokopedia. Penelitian menggunakan algoritma Support Vector Machine (SVM) dan Naïve Bayes untuk mengklasifikasikan sentimen komentar menjadi positif, negatif, dan netral. Metode yang digunakan mengacu pada kerangka CRISP-DM, dengan penerapan TF-IDF dalam tahap pemodelan. Berdasarkan hasil pengujian yang sudah dilakukan, algoritma SVM menunjukkan akurasi yang lebih tinggi sebesar 90,05% dibandingkan dengan Naïve Bayes yang hanya mencapai 83,89%. Namun, korelasi antara sentimen media sosial dan penjualan tergolong rendah. Temuan ini menunjukkan perlunya pendekatan statistik lanjutan seperti uji statistik lanjutan dengan p-value untuk memahami lebih dalam pengaruh opini digital terhadap pembelian.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Cendekia Ramadhani, Nafisah (00000059869)
Contributors:	Natalia, Friska
Keywords:	analisis sentimen, d'alba, instagram, naïve bayes, support vector machine, marketplace.
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	09 Sep 2025 07:36
URI:	https://kc.umn.ac.id/id/eprint/40326

Actions (login required)

View Item