Analisis Sentimen Ulasan Aplikasi Zalora Menggunakan Metode Support Vector Machine (SVM)
- MUHAMMAD HAFIDZ ABDURRASYID
- 2023
“Indonesia menjadi sekian dari beberapa negara diasia dengan pertumbuhan ecommerce yang signifikan, salah satu e-commerce yang dikenal dimasyarakat Indonesia adalah Zalora. Pada tahun 2023, Zalora mengalami penurunan download dan ranking aplikasi pada platform instalasi google playstore. Oleh karena itu, penting untuk memahami bagaimana pengguna merespons dan memandang aplikasi Zalora apakah positif atau negatif. Hal ini dapat dijadikan sebuah bahan penelitian untuk menganalisis sentimen ulasan terhadap aplikasi Zalora agar developer aplikasi dapat mengevaluasi kekurangan dan kelebihan sistemnya, sehingga dapat terus mengembangkan sistem sesuai dengan kebutuhan pengguna. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan aplikasi Zalora yang terdapat di Google Play menggunakan metode Support Vector Machine (SVM) dan mengetahui seberapa akurat performa algoritma tersebut untuk analisis sentimen. metode penelitian ini mencakup pengumpulan 300 data dengan teknik scraping dalam rentang waktu 19-22juni, dilakukannya tahap preprocessing serta menerapkan tf-idf, klasifikasi algoritma Support Vector Machine menggunakan model 10k-fold cross validataion dan evaluasi hasil akurasi pada tabel confusion matrix. Hasil penelitian ini mendapatkan bahwa algoritma SVM cukup baik sebagai metode klasifikasi sentimen dengan memperoleh nilai akurasi sebesar 71.20%.”
Arifianto, T., & Moonlight, L. S. (2022). PENGGUNAAN METODE SUPPORT VECTOR MACHINE ( SVM ) PADA. 2(2), 3–6.
Biki, A. (2022). Analisis Pengaruh E-Service Quality Dan E-Trust Terhadap ECustomer Loyalty Dengan E-Satisfaction Sebagai Variabel Intervening. Skripsi,
1–23.Caroline, S., & Tjiptodjojo, K. I. (2021). Pengaruh Kualitas Produk, Harga Dan Kepercayaan Terhadap Keputusan Pembelian Pada E-Commerce Zalora.
Universitas Kristen Maranatha Jl. Surya Sumantri No, 65(022), 2012186.Farida, A. I., & Prabowo, B. (2023). Customer Satisfaction As Intervening VariableFor Users Of The Zalora E-Commerce Application In Surabaya Pengaruh
Kualitas Pelayanan , Kepercayaan Merek Dan Harga Terhadap Loyalitas Konsumen Melalui Kepuasan Konsumen Sebagai Variabel Intervening Pada
Pengguna Aplikasi E-Commerce Zalora Di Surabaya. 4(2), 1449–1458.Franseda, A., & Anggraeni, S. (2020). Integrasi Metode Decision Tree dan SMOTE untuk Klasifikasi Data Kecelakaan Lalu Lintas Integration of Decision Tree and
SMOTE Methods for Classification of Traffic Accidents Data. 08(3). https://doi.org/10.26418/justin.v8i3.40982Herlinawati, N., Yuliani, Y., Faizah, S., Gata, W., & Samudi, S. (2020). Analisis Sentimen Zoom Cloud Meetings di Play Store Menggunakan Naïve Bayes dan Support Vector Machine. CESS (Journal of Computer Engineering, System and
Science), 5(2), 293. https://doi.org/10.24114/cess.v5i2.18186Husada, H. C., & Paramita, A. S. (2021). Analisis Sentimen Pada Maskapai
Penerbangan di Platform Twitter Menggunakan Algoritma Support Vector Machine (SVM). Teknika, 10(1), 18–26. https://doi.org/10.34148/teknika.v10i1.311Idris, I. S. K., Mustofa, Y. A., & Salihi, I. A. (2023). Analisis Sentimen Terhadap Penggunaan Aplikasi Shopee Mengunakan Algoritma Support Vector Machine
(SVM). Jambura Journal of Electrical and Electronics Engineering, 5(1), 32–35. https://doi.org/10.37905/jjeee.v5i1.16830Ilmawan, L. B., & Mude, M. A. (2020). Perbandingan Metode Klasifikasi Support Vector Machine dan Naïve Bayes untuk Analisis Sentimen pada Ulasan
Tekstual di Google Play Store. ILKOM Jurnal Ilmiah, 12(2), 154–161. https://doi.org/10.33096/ilkom.v12i2.597.154-161Irsyad, H., Taqwiym, A., Informatika, T., Data, U. M., Informasi, S., & Data, U. M. (n.d.). Sentimen Analisis Masyarakat Terhadap Rakyat Palestina dengan
Klasifikasi Naive Bayes. 1(2), 167–176.Kamallia, A. (2022). ANALISIS SENTIMEN PADA ULASAN APLIKASI BIBIT DI PLAY STORE DENGAN METODE NAÏVE BAYES, SUPPORT VECTOR
MACHINE, C4.5 DAN K-NEAREST NEIGHBOR. 13(1), 1–23.Kristiyanti, D. A. (2023). Mining Twitter data on Covid-19 for sentiment analysis using SVM algorithm. May. https://doi.org/10.1063/5.0128833
Manik, G., Ernawati, I., & Nurlaili, I. (2021). ANALISIS SENTIMEN PADA REVIEW PENGGUNA E-COMMERCE BIDANG PANGAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (Studi Kasus:
Review Sayurbox dan Tanihub pada Google Play). Prosiding Seminar Nasional Mahasiswa Bidang Ilmu Komputer Dan Aplikasinya, 2(2), 64–74.
https://conference.upnvj.ac.id/index.php/senamika/article/view/1630Melani, D. O., & Rahmiati. (2021). The influence of e-service quality, e-trust and esatisfaction toward e-loyalty on Shopee online shopping application users. MMS
Marketing Management Studies, 1(3), 253–266. https://doi.org/10.24036/jkmp.v1i1Nadhif, M. R., Brata, D. W., & Rahayudi, B. (2022). Analisis Sentimen Data Ulasan Pengguna Aplikasi TIX ID di Indonesia pada Google Play Store menggunakan
Support Vector Machine. 6(8), 3932–3937.Nardilasari, A. P., Hananto, A. L., Hilabi, S. S., & Priyatna, B. (2023). Analisis Sentimen Calon Presiden 2024 Menggunakan Algoritma SVM. 7(1), 11–18.
Pii, I., Suarna, N., & Rahaningsih, N. (2023). PENERAPAN DATA MINING PADA PENJUALAN PRODUK PAKAIAN DAMEYRA FASHION MENGGUNAKAN
METODE K-MEANS CLUSTERING. 7(1).Pratama, R. R. (2020). Analisis Model Machine Learning Terhadap Pengenalan Aktifitas Manusia. 19(2), 302–311.
Ratino, Hafidz, N., Anggraeni, S., & Gata, W. (2020). Sentimen Analisis Informasi Covid-19 menggunakan Support Vector Machine dan Naïve Bayes. Jurnal
Penelitian Ilmu Dan Teknologi Komputer, 12(2), 1–11. https://jurnal.polsri.ac.id/index.php/jupiter/article/view/2388Ridwansyah, T. (2022). Implementasi Text Mining Terhadap Analisis Sentimen Masyarakat Dunia Di Twitter Terhadap Kota Medan Menggunakan K-Fold
Cross Validation Dan Naïve Bayes Classifier. KLIK: Kajian Ilmiah Informatika Dan Komputer, 2(5), 178–185. https://doi.org/10.30865/klik.v2i5.362Sodik, F., & Kharisudin, I. (2021). Analisis Sentimen dengan SVM , NAIVE BAYES dan KNN untuk Studi Tanggapan Masyarakat Indonesia Terhadap Pandemi
Covid-19 pada Media Sosial Twitter. 4, 628–634.Sudarsono, B. G., Leo, M. I., Santoso, A., & Hendrawan, F. (2021). Analisis Data Mining Data Netflix Menggunakan Aplikasi Rapid Miner. JBASE - Journal of
Business and Audit Information Systems, 4(1), 13–21. https://doi.org/10.30813/jbase.v4i1.2729Tanggraeni, A. I., & Sitokdana, M. N. N. (2022). Analisis Sentimen Aplikasi EGovernment pada Google Play Menggunakan Algoritma Naïve Bayes. JATISI
(Jurnal Teknik Informatika Dan Sistem Informasi), 9(2), 785–795. https://doi.org/10.35957/jatisi.v9i2.1835Tinaliah, T., & Elizabeth, T. (2022). Analisis Sentimen Ulasan Aplikasi PrimaKu Menggunakan Metode Support Vector Machine. JATISI (Jurnal Teknik
Informatika Dan Sistem Informasi), 9(4), 3436–3442. https://doi.org/10.35957/jatisi.v9i4.3586Tri Anjasmoros, M., & Fitri Marisa, dan. (2020). Seminar Nasional Hasil Riset Prefix-RTR ANALISIS SENTIMEN APLIKASI GO-JEK MENGGUNAKAN
METODE SVM DAN NBC (STUDI KASUS: KOMENTAR PADA PLAY STORE).Utami, D. S., & Erfina, A. (2021). ANALISIS SENTIMEN PINJAMAN ONLINE DI TWITTER MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (
SVM ). 299–305
Detail Informasi
Tugas Akhir ini ditulis oleh :
- 17191064 - MUHAMMAD HAFIDZ ABDURRASYID
- Prodi : Teknologi Informasi
- Kampus : Margonda
- Tahun : 2023
- Periode : I
- Pembimbing : Dwi Andini Putri.M.Kom
- Asisten :
- Kode : 0096.S1.TI.SKRIPSI.I.2023
- Diinput oleh : WND
- Terakhir update : 07 Februari 2024
- Dilihat : 141 kali
TENTANG PERPUSTAKAAN
Perpustakaan Universitas Bina Sarana Informatika merupakan layanan yang diberikan kepada civitas akademik khususnya mahasiswa untuk memperoleh informasi seperti buku, majalah, jurnal, prosiding, dll.
INFORMASI
Alamat : Jl. Kramat Raya No.98, Senen, Jakarta Pusat
Telp : +6285777854809
Email : perpustakaan@bsi.ac.id
IG : @perpustakaan_ubsi
Jam Operasional
Senin - Jumat : 08.00 s/d 20.00 WIB
Isitirahat Siang : 12.00 s/d 13.00 WIB
Istirahat Sore : 18.00 s/d 19.00 WIB
Copyright © 2024 Perpustakaan Universitas Bina Sarana Informatika