Perbandingan Kinerja Algoritma Random Forest Dan Support Vector Machine Dalam Analisis Sentimen Pada Ulasan E-Commerce

Darise, Michael Jonathan (2024) Perbandingan Kinerja Algoritma Random Forest Dan Support Vector Machine Dalam Analisis Sentimen Pada Ulasan E-Commerce. Skripsi thesis, Universitas Buddhi Dharma.

	Text COVER - BAB III.pdf - Published Version Download (6MB)
	Text BAB IV.pdf - Published Version Restricted to Registered users only Download (1MB) | Request a copy
	Text BAB V.pdf - Published Version Download (1MB)

Abstract

Di Indonesia, pertumbuhan penggunaan internet terus meningkat, seiring dengan dominasinya tren belanja online di era digital. Platform e-commerce telah memberikan kemudahan bagi konsumen dalam memperoleh berbagai produk dengan tingkat efisiensi yang tinggi. Namun, dengan sekitar 90% penduduk Indonesia terlibat dalam kegiatan pembelian online, munculnya beragam pilihan seringkali menimbulkan kebingungan dan kecemasan di kalangan konsumen. Oleh karena itu, penting bagi mereka untuk melakukan penelitian dan membaca ulasan produk dari konsumen lain. Dalam konteks ini, penelitian ini difokuskan pada evaluasi model klasifikasi untuk analisis sentimen ulasan produk menggunakan teknik pembobotan kata. Dua algoritma klasifikasi utama yang digunakan adalah Support Vector Machine (SVM) dan Random Forest, dengan penerapan dua teknik pembobotan kata yang umum digunakan, yaitu Term Frequency-Inverse Document Frequency (TF-IDF) dan Count Vectorizer. Dataset yang digunakan terdiri dari ulasan dalam bahasa Indonesia yang telah diklasifikasikan ke dalam kategori sentimen positif, negatif, dan netral. Hasil penelitian menunjukkan bahwa model yang menggunakan algoritma SVM dengan pembobotan kata Count Vectorizer mencapai akurasi tertinggi, yaitu sebesar 96%. Penemuan ini memberikan wawasan yang berharga dalam penggunaan teknik pembobotan kata dalam analisis sentimen, yang dapat membantu meningkatkan keefektifan sistem analisis sentimen untuk e-commerce. Implikasi temuan ini dapat memberikan kontribusi signifikan dalam pengembangan sistem analisis sentimen untuk e-commerce di Indonesia.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	E- Commerce, Random Forest, Support Vector Machines, TF-IDF, Count Vectorizer
Subjects:	000 Karya Umum > 005 Pemograman > 005.74 Database
Divisions:	Fakultas Sains & Teknologi > Teknik Informatika
Depositing User:	Hariyanto Rie
Date Deposited:	28 Apr 2025 05:56
Last Modified:	28 Apr 2025 05:56
URI:	https://repositori.buddhidharma.ac.id//id/eprint/2566

Actions (login required)

View Item