PENERAPAN DATA MINING UNTUK ANALISIS SENTIMEN PENGGUNA APLIKASI BELANJA ONLINE DI TWITTER

Laily Niswatin Rachmawati

Informasi Umum

Kode

24.04.854

Klasifikasi

001 - Knowledge, history, description, critical appraisal of intellectual activity in general, discussion of ideas from many fields

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Sistem Informasi

Informasi Lainnya

Abstraksi

Perkembangan teknologi sangatlah cepat dimana banyak inovasi aplikasi yang bermunculan. Dalam era digitalsaat ini, media sosialseperti twitter telah menjadi platform yang sangat populer bagi pengguna untuk berbagi pengalaman dan pendapat mereka tentang berbagailayanan dan produk, salah satunya seperti ulasan pengguna terkait layanan aplikasi belanja online. Aplikasi belanja online yang digunakan pada penelitian ini yaitu seperti Shopee, Tokopedia dan Lazada. Sebagai layanan aplikasi belanja online, masyarakat tentu perlu mempertimbangkan performa dari masing – masing aplikasi belanja online. Data ulasanpengguna terkait layanan aplikasi belanja online yang didapat dari Twitter API dijadikan sebagai obyek pada penelitian ini. Sedangkan untuk teknik pengolahan data menggunakan teknik data mining dimana ulasan pengguna yang didapatkan akan diklasifikasikan menjadi 3 kategori yaitu positif, negatif dan netral. Algoritma yang digunakan dalam penelitian ini yaitu Naive Bayes dan Decision Tree (C4.5) untuk mengklasifikasikan sentimen positif, negatif dan netral terhadap ulasan pengguna aplikasi belanja online yang ada pada twitter. Variabelpengujian yang dijadikan penentu pada penelitian ini adalah perhitungan akurasi, presisi dan recall. Penelitian ini menggunakan bahasa pemrograman python dan tools Visual Studio Code sebagai media pengujian penelitian ini. Penelitian ini bertujuan agar para pengguna aplikasi belanja online dapat memilih aplikasi belanja online yang terbaik dan dapat mengetahui performa dari algoritma naive bayes dan Decision Tree (C4.5) dalam mengklasifikasi tweet sentimen. Pada algoritma naïve bayes menghasilkan akurasi sebesar 0.65, presisi sebesar 0.67dan recall sebesar 0,46. Sedangkan, pada algoritma Decision Tree (C4.5) menghasilkan akurasisebesar 0.63, presisi sebesar 0.51 dan recall sebesar 0.50. Pada penelitian ini juga akan menghasilkan prototype yang digunakan untuk membangun GUI Python. Kata Kunci: Sistem Belanja Online , Naive Bayes, Decision Tree (C4.5), Ulasan Pengguna

Koleksi & Sirkulasi

Seluruh 1 koleksi sedang dipinjam

Anda harus log in untuk mengakses flippingbook

Pengarang

Nama	Laily Niswatin Rachmawati
Jenis	Perorangan
Penyunting	Rokhmatul Insani, S.T., M.T, Mochammad Nizar Palefi Ma'ady, S.Kom., M.Kom
Penerjemah