[RANGKUMAN] SENTIMENT ANALYSIS ONLINE SHOP ON THE PLAY STORE USING METHOD SUPPORT VECTOR MACHINE (SVM)

Dalam jurnal ini membahas mengenai bagaimana mengklasifikasi tanggapan positif dan negatif para pengguna pada aplikasi belanja online di Google play store menggunakan metode Support Vector Machine (SVM). Jurnal ini memiliki 3 rumusan masalah, diantaranya:

  1. Aspek yang di ulas oleh para pengguna dari berbagai aplikasi online Marketplace.
  2. Pengkategorian aplikasi online marketplace yang ada di play store.
  3. Bagaimana membangun sistem sentimen analisis untuk mengetahui aplikasi online marketplace mana yang terbaik di playstore.
Jumlah dataset setelah prepocessing menjadi 1.007 record. Data hampir seimbang dengan label positif sebanyak 546 dan label negatif 461 ulasan. Evaluasi model menggunakan 10 fold cross validation diperoleh nilai akurasi dan nilai AUC dari masing-masing algoritma yaitu untuk NB nilai akurasi = 74,37% dan nilai AUC = 0,659. Sedangkan untuk algoritma SVM nilai akurasi = 81,22% dan nilai AUC = 0,886. Dalam penelitian ini dapat diketahui bahwa tingkat akurasi yang didapatkan algoritma Support Vector Machine (SVM) lebih unggul 6,85% dibandingkan algoritma Naïve Bayes (NB).

Proses pengolahan data pada penelitian ini dengan cara:

  1. Pengambilan data: Data yang diambil yaitu ulasan yang sudah diberikan oleh pengguna aplikasi terkait di google play store, dengan menggunakan metode web scraping. Dan data yang diambil dari penelitian ini yaitu Tokopedia, Shopee, Lazada, JD.ID, dan Blibli. Jumlah data yang diambil yaitu 1500 ulasan dengan perbandingan ulasan positif dan negatif 50 : 50, data tersebut akan di jadikan data latih untuk data ulasan dari setiap aplikasi yang berjumlah 300 ulasan.
  2. Proses data: yang dimana disini data akan di persiapkan terlebih dahulu sebelum masuk ke tahap pemodelan. adapun tahap ini mencakup kegiatan pembangunan data dan membersihkan data agar `siap di proses. Dalam Proses data melewati beberapa langkah diantaranya Tokennize, Transform Case, Filter Tokenize (By Length), Filter Stopword, Stemming.
  3. Pemodelan data: Dalam pemodelan data akan dilakukan pengklasifikasian label positif dan negatif pada setiap ulasan aplikasi Online shop di Google Play Store mengguanakan metode Support Vector Machine yang akan mengkasilkan tingkatan akurasi dari beberapa Online Shop.
  4. Evaluasi: Setelah data melalui tahap modeling selanjutnya masuk ke tahap evaluasi atas hasil dari tahap sebelumnya. Disini penulis akan membandingkan tingkat akurasi dan tingkat Area Under Curve (AUC) dari ulasan setiap aplikasi, dalam perbandingan akurasi penulis memberikan indikator True Positive (TP), True Negative (TN), False Pesitive (FP), False Negative (TN). Yang disimpukan bahwa True Positive (TP) berada di kelas positif yang diklasifikasikan sebagai kelas positif, True Negative (TN) berada di kelas negatif yang diklasifikasikan sebagai kelas negatif, False Pesitive (FP) berada di kelas positif yang diklasifikasikan kedalam kelas negatif, False Negative (TN) berada di kelas negatif yang di klasifikasikan kedalam kelas positif. Dalam hal ini proses pengolahan data menggunakan Support Vector Machine (SVM) menghasilkan tingkat Accuracy dan Area Under Curve (AUC).dari kelima aplikasi online shop penulis memilih Tokopedia sebagai contoh hasil dari Proses data yang di lakukan oleh tool repidminer ditampilkan pada gambar 4 untuk tingkat akurasi dan pada gambar 5 untuk tingkat Area Under Curve (AUC).

Dan hasil dari analisis sentimen aplikasi online shop di google play store menggunakan metode support verctor machine maka dapat disimpulkan bahwa aplikasi yang memiliki tingkat akurasi tertinggi di tempati oleh Tokopedia yang dimana memiliki tingkat akurasi sebesar 90,67%. Sedangkan marketplace yang memiliki tingkat akurasi terendah dalam penelitian ini jatuh kepada Lazada dengan tingkat akurasi 69,00%. Sedangkan dalam kategori Area Under Curve (AUC) tertinggi di raih oleh JD.ID dengan perolehan 0.857, dan tingkat Area Under Curve (AUC) terendah di dapatkan oleh marketplace lazada dengan perolehan Area Under Curve (AUC) 0,748.


Nama: Neng Sri Intan Septiani

Sumber jurnal: https://scholar.google.co.id/citations?view_op=view_citation&hl=id&user=l27vKB4AAAAJ&alert_preview_top_rm=2&citation_for_view=l27vKB4AAAAJ:maZDTaKrznsC

Komentar

Posting Komentar

Postingan populer dari blog ini

Memanfaatkan Blog Di Esensialitas Era Digital

Gambar
Sebelum Era Digital, orang-orang belum mengenal internet, sehingga membuat semua kegiatan dilakukan secara manual. Baik dalam berbisnis, belajar, mencari informasi sampai mengadakan perlombaan atau kompetisi. Dan Di Era Digital sekarang, semua serba dimudahkan, kerena pada era ini, masyarakat telah mengenal dan mengetahui yang namanya internet. seperti adanya sosial media seperti facebook, instagram, dan twitter. dan sistem penjualan online seperti E-Commerce. kini orang-orang dapat berbisnis online, belajar dari internet, mendapatkan informasi sampai membuat sebuah kompetisi di online, sehingga seluruh orang bisa mengikuti kompetisi tersebut tanpa perlu mendatangi lokasi kompetisi tersebut. Dan kini banyak orang yang telah merubah strategi dalam berjualan sampai pembelajaran menjadi berbasis online. Apalagi pada masa pandemi seperti sekarang, membuat semua orang terpaksa diharuskan berdiam diri dirumah, dan  sulit sekali beraktifitas di luar rumah. sehingga membuat banyak orang me...
Baca selengkapnya

DATA MINING 3 [Analisis Sentiment Masyarakat terhadap Kasus Covid-19 pada Media Sosial Youtube dengan Metode Naive bayes]

Gambar
Urgensi dalam Penelitian ini yaitu sebagai berikut. Perkembangan kasus Covid-19 di Indonesia terus mengalami kenaikan. Kenaikan ini dipicu oleh berbagai hal contohnya tingkat kepercayaan masyarakat terhadap adanya penyakit/virus COVID-19. Dengan terus adanya kenaikan kasus ini menyebabkan kepanikan di tengan masyarakat dengan ada dan tidaknya virus corona ini, di tengah kondisi ini di perlukan pola komunikasi yang efektif dan efisien dalam memberikan edukasi dan informasi tentang virus corona ini contohnya dengan media sosial Youtube. Banyak tangapan masyarakat tentang pemberitaan ini yang di ungkapkan di kolom komentar.oleh karena itu di butuhkan suatu model sentiment analisis untuk megklasifikasikan komentar masyarakat menjadi Positif, Negatif dan netral. Proses metodologi penelitian yang ditempuh yaitu: a.   Pengumpulan data Dalam penelitian ini data di peroleh dari kolom komentar pemberitaan youtube di chanel kompasTV. Pengambilan data menggunakan tools yang di sediakan aplikas...
Baca selengkapnya

DATA MINING 1 [Penerapan K-Means dalam Efektivitas Pembelajaran E-Learning pada Masa Pandemi Covid-19]

Gambar
Urgensi dari penelitian ini adalah sebagai berikut: Penelitian  ini  bertujuan  untuk  mengetahui  gambaran  efektivitas  pembelajaran E-learning.  Pada masa   pandemi Covid-19, setelah   pemerintah   mengambil   keputusan   dengan   menerapkan sistem Pembatasan Sosial Berskala Besar (PSBB) dimana seluruh aktivitas dirumahkan salah satunya dibidang pendidikan. Tepatnya setelah virus Covid-19 dinyatakan masuk ke Indonesia, aktivitas pembelajaran   di   sekolah   dialihkan   menjadi   program   belajar   di rumah   dan   berbasis daring.   Hal ini diberlakukan dalam rangka menghambat penyebaran virus Covid-19 agar tidak tersebar   keseluruh   masayarakat.     Masalah   yang   timbul   ialah   proses   pembelajaran   daring dengan   beberapa   metode   tidak   efektif   untuk   dilakukan,...
Baca selengkapnya