ANALISIS SENTIMEN E-COMMERCE SHOPEE PADA MEDIA SOSIAL TWITTER MENGGUNAKAN METODE NAIVE BAYES DAN SUPPORT VECTOR MACHINE

• SULAIMAN
• 2024

---

Penelitian ini bertujuan untuk menganalisis sentimen pengguna Shopee di Twitter dengan menggunakan metode Naive Bayes dan Support Vector Machine (SVM). Banyaknya keluhan pengguna terkait layanan Shopee, seperti kegagalan transaksi, kinerja aplikasi yang lambat, keterlambatan informasi pengiriman, dan produk yang tidak sesuai atau palsu. Data dikumpulkan dari Twitter menggunakan teknik crawling dan diproses melalui tahapan pembersihan data, tokenisasi, dan penghapusan kata-kata yang tidak bermakna. Model Naive Bayes dan SVM dilatih dan divalidasi untuk mengklasifikasikan sentimen tweet pengguna. Algoritma Naive Bayes memiliki akurasi sebesar 61,13% dengan presisi 60.25% untuk prediksi positif dan 100% untuk prediksi negatif. Sedangkan algoritma SVM memiliki akurasi sebesar 98,83% dengan presisi 0% untuk prediksi positif dan 98,83% untuk prediksi negatif. Analisis ini diharapkan dapat membantu Shopee dalam mengidentifikasi dan menyelesaikan masalah yang sering dihadapi pengguna, sehingga dapat meningkatkan kualitas layanan dan kepuasan pengguna. Dengan demikian, penelitian ini dapat memberikan kontribusi yang signifikan dalam pengembangan strategi peningkatan layanan Shopee serta memperkuat hubungan antara Shopee dan penggunanya. Penelitian ini juga memberikan wawasan yang lebih mendalam tentang persepsi dan pengalaman pengguna terhadap layanan Shopee secara keseluruhan

• Analisis Sentimen
• Shopee
• Naive Bayes
• Support Vector Machine (SVM)
• Teknik Crawling
• Klasifikasi S

https://repository.bsi.ac.id/repo/55873/ANALISIS-SENTIMEN-E-COMMERCE-SHOPEE-PADA-MEDIA-SOSIAL-TWITTER-MENGGUNAKAN-METODE-NAIVE--BAYES-DAN-SUPPORT-VECTOR-MACHINE
Anda dapat membaca file tugas akhir ini di repository.