Analisis Sentimen Produk di Amazon Menggunakan Algoritma Naïve Bayes Pada Data Review Pelanggan
- Jesica Yolanda Br. Sibarani
- 2023
Banyaknya data yang tersebar di internet dapat diolah untuk berbagai kepentingan baik untuk bisnis, sekolah, politik dan lainnya. Dan peningkatan teknologi juga berdampak kepasar produksi. Dari banyaknya e-comerce yang muncul dari berbagai negara dengan penggunaan yang relative mudah dan efficient. Yang membuat pelanggan tidak harus dating langsung ke toko dari produk yang ingin dibeli. Produk-produk yang dijual di e-comerce juga sangat variatif dan lengkap. Pelanggan juga dapat membeli barang yang dijual di toko luar negeri dengan sekali klik maka barang akan sampai kerumah. Salah satu e-comerce terbesar dan dapat dijangkau dari tiap-tiap negara yang berbeda adalah Amazon. Amazon menyediakan lebih dari miliaran produk dan di akses banyak pengguna setiap harinya. Maka dengan banyaknya persaingan toko dan produk di Amazon maka pembeli harus dapat menilai produk tidak hanya dari deskripsi dan foto yang disediakan toko tetapi juga harus melihat ulasan yang diberikan pembeli yang telah lebih dulu membeli barang tersebut dan seberapa banyak barang itu telah dibeli.
Data review amazon yang saya gunakan ada 60888 dan setelah dibersihkan dan dibuang kalimat duplikat maka data bersihnya ada 43126 data. Dengan data sentiment positif sebesar 32318 data, negative 7478 data dan neutral 3330 data. Dan hasil dari tingkat accurasi menggunakan metode naïve bayes yaitu sebesar 100.00%.
Act Exchange. (2020). AMAZON.COM, INC. 2020.
https://www.sec.gov/ix?doc=/Archives/edgar/data/1018724/0001018724210000 04/amzn-20201231.htm
Adminlp2m. (2022). Analisis Sentimen (Sentiment Analysis) : Definisi, Tipe dan
Cara Kerjanya. Lp2m.Uma.Ac.Id. https://lp2m.uma.ac.id/2022/02/21/analisis- sentimen-sentiment-analysis-definisi-tipe-dan-cara-kerjanya/
Aggarwal, C. C. (2015). Mining, Data Textbook, The.
Berrar, D. (2018). Bayes’ theorem and naive bayes classifier. Encyclopedia of Bioinformatics and Computational Biology: ABC of Bioinformatics, 1–3, 403– 412. https://doi.org/10.1016/B978-0-12-809633-8.20473-1
Clinten, B. (2021). Sejarah Amazon, Toko Buku Online yang Berubah Jadi Raksasa Marketplace. Kompas.Com. https://tekno.kompas.com/read/2021/05/05/20210037/sejarah-amazon-toko- buku-online-yang-berubah-jadi-raksasa-marketplace?page=all
Darwis, D., Siskawati, N., & Abidin, Z. (2021). Penerapan Algoritma Naive Bayes untuk Analisis Sentimen Review Data Twitter BMKG Nasional. 15(1), 131–145.
Deolika, A., Kusrini, K., & Luthfi, E. T. (2019). Analisis Pembobotan Kata Pada Klasifikasi Text Mining. Jurnal Teknologi Informasi, 3(2), 179. https://doi.org/10.36294/jurti.v3i2.1077
Kamal, W. W., & Ratnasari, C. I. (2021). Analisis Sentimen Ulasan Produk : Kajian Pustaka. Automata, 2(1).
Liu, B. (2012). Analisis Sentimen dan Penambangan Opini (Issue April).
Maria, R., Umayah, R. U., Mahardinny, S., Kalana, D. N., & Saputra, D. D. (2023).
Analisis Sentimen Persepsi Masyarakat Terhadap Penggunaan Aplikasi My Pertamina Pada Media Sosial Twitter Menggunakan Metode Naïve Bayes Classifier. 1, 1–10.
Muthia, D. A. (2014). ANALISIS SENTIMEN PADA REVIEW BUKU MENGGUNAKAN ALGORITMA NAÏVE BAYES. XVI(1), 8–16.
Parasati, W., Bachtiar, F. A., & Setiawan, N. Y. (2020). Analisis Sentimen Berbasis Aspek pada Ulasan Pelanggan Restoran Bakso President Malang dengan Metode Naïve Bayes Classifier. 4(4).
Pramesti, D. F., Furqon, M. T., & Dewi, C. (2017). Implementasi Metode K-Medoids Clustering Untuk Pengelompokan Data Potensi Kebakaran Hutan / Lahan Berdasarkan Persebaran Titik Panas ( Hotspot ). 1(9), 723–732.
Ramadhani, S. H., & Wahyudin, M. I. (2022). Analisis Sentimen Terhadap Vaksinasi Astra Zeneca pada Twitter Menggunakan Metode Naïve Bayes dan K-NN. 6(4).
Services, A. W. (2022). Komputasi cloud dengan AWS. https://aws.amazon.com/id/what-is-aws/
Sundara, T. A., & Arnas, S. E. (2020). Naïve Bayes Classifier untuk Analisis Sentimen Isu Radikalisme. 93–98.
Trivusi. (2022). Pengertian dan Contoh Algoritma Naive Bayes Classifier.
Trivusi.Com. https://www.trivusi.web.id/2022/07/algoritma-naive-bayes.html Utama, H. S., Rosiyadi, D., Aridarma, D., Prakoso, B. S., Magister, S., & Komputer,
I. (2019). MENGGUNAKAN ALGORITMA NAIVE BAYES DENGAN
49
50
OPTIMALISASI. 15(2), 247–254. https://doi.org/10.33480/pilar.v15i2.705 Utami, D. S., & Erfina, A. (2022). Analisis Sentimen Objek Wisata Bali Di Google
Maps Menggunakan Algoritma Naive Bayes Pada dasarnya Indonesia. 6, 418– 427.
Wardani, A. (2017). Pengaruh Electronic Word of Mouth Pada Forum Online. Jom Fisip, 4(2), 1–15.
Webb, G. I. (2016). Machine Translated by Google Naif Bayes Machine Translated by Google (Issue April). https://doi.org/10.1007/978-1-4899-7502-7
Yulita, W., Nugroho, E. D., & Algifari, M. H. (2021). Analisis Sentimen Terhadap Opini Masyarakat Tentang Vaksin Covid - 19 Menggunakan Algoritma Naïve Bayes Classifier. 2(2), 1–9.
Detail Informasi
Tugas Akhir ini ditulis oleh :
- 17191052 - Jesica Yolanda Br. Sibarani
- Prodi : Teknologi Informasi
- Kampus : Cengkareng
- Tahun : 2023
- Periode : I
- Pembimbing : Agus Junaidi, M.Kom
- Asisten : Mochammad Abdul Azis, M.Kom
- Kode : 0028.S1.TI.SKRIPSI.I.2023
- Diinput oleh : SUS
- Terakhir update : 15 November 2023
- Dilihat : 132 kali
TENTANG PERPUSTAKAAN
![PERPUSTAKAAN UBSI](https://elibrary.bsi.ac.id/assets/perpustakaan.png)
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