Komparasi Model Support Vector Machine dan Indobert pada Asbect Based Sentiment Analysis Pengguna Aplikasi E Commerce : Studi Kasus Aplikasi Tokopedia & Shopee

Naftali Stevenson, Marco (2026) Komparasi Model Support Vector Machine dan Indobert pada Asbect Based Sentiment Analysis Pengguna Aplikasi E Commerce : Studi Kasus Aplikasi Tokopedia & Shopee. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (559kB)
	PDF BAB_I.pdf Download (292kB)
	PDF BAB_II.pdf Download (540kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (471kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (211kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (228kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (408kB)
	Archive (ZIP) 00000075274_2521_LembarPengesahan.pdf Restricted to Registered users only Download (65kB)

Abstract

Perkembangan e-commerce di Indonesia mendorong peningkatan jumlah ulasan yang diberikan oleh pelanggan untuk aplikasi Shopee dan Tokopedia. Ulasan pengguna dapat memberikan informasi penting tentang kepuasan pengguna, keluhan, dan pengalaman dengan layanan aplikasi. Tujuan penelitian ini adalah untuk membandingkan model Support Vector Machine (SVM) dan IndoBERT saat menerapkan Aspect-Based Sentiment Analysis pada ulasan pengguna di aplikasi e-commerce Shopee dan Tokopedia. Penelitian ini menggunakan tahapan pengumpulan data ulasan, preprocessing teks, pelabelan aspek, pelabelan sentimen, pemodelan, evaluasi, dan penyebaran menggunakan Streamlit. Penelitian ini memanfaatkan harga, produk, pengiriman, dan sistem aplikasi. Hasilnya menunjukkan bahwa Tokopedia memiliki sistem aplikasi sebagai elemen utama, sedangkan Shopee memiliki harga sebagai elemen utama. Pada Tokopedia, SVM mendapatkan recall 0,80, precision 0,85, dan F1-score 0,82, sedangkan IndoBERT mendapatkan recall 0,59, precision 0,66, dan F1-score 0,60. Pada Shopee, SVM mendapatkan recall 0,76, precision 0,85, dan F1-score 0,80, dan IndoBERT mendapatkan recall 0,67, precision 0,81, dan F1-score 0,70. Karena memiliki keseimbangan performa yang lebih baik antara precision dan recall, SVM adalah model yang paling cocok untuk penelitian ini. Selain itu, Streamlit memungkinkan sistem deployment untuk menampilkan prediksi aspek, sentimen, dan nilai kepercayaan model secara interaktif.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Naftali Stevenson, Marco (00000075274)
Contributors:	Fernando, Erick
Keywords:	Aspect Based Sentiment Analysis, SVM, IndoBERT, E- Commerce, Ulasan Pengguna
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:	22 Jul 2026 08:00
URI:	https://kc.umn.ac.id/id/eprint/47857

Actions (login required)

View Item