Nurjannah, Nurjannah (2025) ANALISIS SENTIMEN E-MARKETPLACE MENGGUNAKAN ALGORITMA RECURRENT NEURAL NETWORK (RNN) DAN NAIVE BAYES. S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (25kB)
	Text Abstrak.pdf Download (223kB)
	Text Bab I.pdf Download (449kB)
	Text Daftar Pustaka.pdf Download (343kB)
	Text Full-text.pdf Restricted to Registered users only Download (3MB)

Abstract

Di era digital, e-marketplace mempermudah pemasaran produk secara efektif. Namun, masih banyak pengguna awal yang kebingungan dalam memilih platfrom belanja online. Penelitian ini menganalisis sentimen pengguna terhadap Shopee, Tokopedia , Lazada, TikTok Shop, dan Facebook Market place menggunakan algoritma Recurrent Neural Network dan Naïve Bayes. Tujuannya adalah mengevaluasi kepuasan pengguna agar masyarakat dapat memilih platform belanja online yang tepat dan terpercaya. Penelitian ini menggunakan metode kuantitatif dan data diklasifikasikan dengan metode Recurrent Neural Network (RNN ) dan Naïve Bayes untuk mengetahui opini positif atau negatif terhadap aplikasi e-marketplace. Dari Kelima e-marketplace yang di teliti, dapat di tentukan bahwa platfrom yang akurat dan banyak review positifnya dimulai dari platfrom Lazada yakni 87,8% disusul dengan Shopee 82,5% selanjutnya Tiktok Shop 80,6% dilanjutkan dengan Facebook Market 67,2% dan Tokopedia 59,2%. Perbandingan antara algoritma RNN dan Naive Bayes adalah hasil penelitian menunjukkan bahwa algoritma Naive Bayes unggul dalam akurasi pelatihan di semua platform, mencapai 92%. Dalam pengujian, akurasi Naive Bayes (85-95%) dan RNN (75-91%). Naive Bayes menunjukkan skor pelatihan dan pengujian yang konsisten tinggi. Pengembang disarankan fokus pada peningkatan aspek yang dikeluhkan pengguna berdasarkan analisis sentimen, terutama pada ulasan negatif terkait pengiriman, layanan pelanggan, atau kualitas produk, serta menggali lebih dalam pengalaman pengguna.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 57201 - Jurusan Sistem Informasi
Depositing User:	NUR JANNAH
Date Deposited:	01 Sep 2025 08:11
Last Modified:	01 Sep 2025 08:11
URI:	https://rama.unimal.ac.id/id/eprint/14704

Actions (login required)

View Item