Please use this identifier to cite or link to this item: http://repository.uinjkt.ac.id/dspace/handle/123456789/51680
Title: Analisis sentimen berbasis aspek pada ulasan aplikasi tokopedia menggunakan support vector machine
Authors: Sabrah Ailiyya
Advisors: Taufik Edy Sutanto
Nina Fitriyati
Keywords: Aspect-based sentiment analysis;Support vector machine;Grid search cross validation
Issue Date: 9-Apr-2020
Publisher: Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta
Abstract: Pada tahun 2018, sebanyak 171,17 juta penduduk Indonesia merupakan pengguna internet dengan kegiatan yang digemarinya salah satunya adalah melakukan jual dan belanja online. Hal tersebut menjadikan banyaknya bermunculan perusahaan dibidang e-commerce di Indonesia. Maka dari itu perlu bagi pihak perusahaan untuk mengetahui tentang apa yang menjadi kelebihan serta kekurangan menurut pengguna agar dapat dijadikan sebagai acuan dalam melakukan evaluasi untuk terus meningkatkan kualitas. Karenanya peneliti mengusulkan penelitian Aspect-Based Sentiment Analysis, yaitu mengekstrak sentimen dan aspek dari ulasan aplikasi tersebut. Data yang digunakan adalah ulasan pengguna Tokopedia berdsarkan situs Google Play Store. Pada penelitian ini dilakukan dua kali klasifikasi, yaitu kalsifikasi sentimen dan aspek menggunakan Support Vector Machine. Aspek yang digunakan adalah layanan, sistem dan kebermanfaatan. Pemilihan parameter terbaik menggunakan Grid Search CV dengan hasil yaitu kernel linear dengan c=1 untuk model klasifikasi sentimen dan aspek. Hasil klasifikasi sentimen dan aspek berturut-turut menunjukkan akurasi sebesar 69,6% dan 74,2%. Dari penelitian ini diperoleh bahwa aspek yang harus diperbaiki oleh Tokopedia adalah layanan.
Description: xiv, 51 hlm; 29 cm.
URI: http://repository.uinjkt.ac.id/dspace/handle/123456789/51680
Appears in Collections:Skripsi

Files in This Item:
File SizeFormat 
SABRAH AILIYYA-FST.pdf1.5 MBAdobe PDFView/Open


Items in UINJKT-IR are protected by copyright, with all rights reserved, unless otherwise indicated.