Analisis Sentimen Ulasan Produk Wardah pada Platform Shopee Menggunakan Algoritma Word

Reva Mariska, Melani (2026) Analisis Sentimen Ulasan Produk Wardah pada Platform Shopee Menggunakan Algoritma Word. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (525kB)
	PDF BAB_I.pdf Download (369kB)
	PDF BAB_II.pdf Download (558kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (409kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (361kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (308kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (980kB)
	Archive (ZIP) 00000075071_2521_LembarPengesahan.pdf Restricted to Registered users only Download (63kB)

Abstract

Perkembangan e-commerce di Indonesia menyebabkan meningkatnya jumlah ulasan pelanggan pada platform digital, termasuk Shopee. Ulasan pelanggan mengandung informasi penting terkait opini dan tingkat kepuasan konsumen terhadap suatu produk. Namun, jumlah ulasan yang sangat besar menyebabkan proses analisis manual menjadi tidak efisien dan membutuhkan waktu yang lama. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan produk Wardah pada platform Shopee menggunakan metode Word Embedding dan Long Short-Term Memory (LSTM). Dataset penelitian berupa ulasan produk berbahasa Indonesia yang diklasifikasikan ke dalam tiga kategori sentimen, yaitu positif, negatif, dan netral. Tahapan penelitian meliputi pengumpulan data menggunakan teknik web scraping, preprocessing teks, tokenization, word embedding, pelatihan model LSTM, serta evaluasi performa model menggunakan accuracy, precision, recall, dan F1-score. Metode LSTM dipilih karena mampu memahami hubungan sekuensial antar kata dan menangkap konteks kalimat secara lebih baik dibandingkan metode konvensional. Hasil penelitian menunjukkan bahwa kombinasi Word Embedding dan LSTM mampu mengklasifikasikan sentimen ulasan produk secara efektif pada data teks berbahasa Indonesia. Penelitian ini diharapkan dapat membantu perusahaan dalam memahami persepsi konsumen secara otomatis dan berbasis data.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Reva Mariska, Melani (00000075071)
Contributors:	Sutomo, Rudi
Keywords:	Analisis Sentimen, Deep Learning, LSTM, Shopee, Word Embedding
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:	31 Jul 2026 11:59
URI:	https://kc.umn.ac.id/id/eprint/49101

Actions (login required)

View Item