ALAIYA, AZNA (2026) ANALISIS SENTIMEN ULASAN PRODUK E – COMMERCE PADA TOKOPEDIA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE(SVM) DAN ALGORITMA NAIVE BAYES. S1 thesis, Universitas Malikussaleh.

	Text COVER AZNA ALAIYA.pdf Download (123kB)
	Text ABSTRAK AZNA ALAIYA.pdf Download (255kB)
	Text BAB 1 AZNA ALAIYA.pdf Download (257kB)
	Text DAPUS AZNA ALAIYA.pdf Download (216kB)
	Text SKRIPSI AZNA ALAIYA.pdf Restricted to Registered users only Download (6MB)

Abstract

Penelitian ini bertujuan untuk melakukan analisis perbandingan metode Support Vector Machine (SVM) dan Naive Bayes dalam mengklasifikasikan sentimen ulasan produk e-commerce pada platform Tokopedia menggunakan data web scraping sebanyak 571 ulasan periode tahun 2024. Data mencakup variabel teks ulasan, tanggal penulisan, dan username yang diproses melalui preprocessing teks (text cleaning, stopword removal, stemming dengan Sastrawi), auto-labeling menggunakan pendekatan lexicon-based, dan feature extraction TF-IDF yang menghasilkan fitur diskriminatif untuk klasifikasi sentimen. Pembagian data dilakukan secara stratified dengan proporsi training (80%) dan testing (20%) pada dataset hasil filtering klasifikasi binary (positif vs negatif) yang terdiri dari 114 ulasan dengan komposisi 18 ulasan positif dan 96 ulasan negatif. Hasil penelitian menunjukkan perbedaan performa yang signifikan, dimana Support Vector Machine dengan linear kernel menghasilkan accuracy 85,96%, precision 83,97%, recall 85,96%, dan F1-score 84,24%, sedangkan Multinomial Naive Bayes menghasilkan accuracy 84,21%, precision 70,91%, recall 84,21%, dan F1-score 76,99% pada testing set. Berdasarkan nilai F1-score dari kedua metode menunjukkan bahwa F1-score SVM 84,24% lebih tinggi dari F1-score Naive Bayes 76,99%, dengan selisih 7,25 poin persentase, sehingga algoritma SVM lebih baik diterapkan untuk mengklasifikasikan sentimen ulasan produk e-commerce. Karakteristik imbalanced dataset (84,2% negatif vs 15,8% positif) menunjukkan bahwa SVM mampu mengidentifikasi kedua kelas sentimen dengan performa yang lebih seimbang, sementara Naive Bayes mengalami bias ekstrem dengan memprediksi seluruh testing samples sebagai sentimen negatif dan gagal mengidentifikasi kelas positif. Analisis confusion matrix mengkonfirmasi superioritas SVM dalam menangani ketidakseimbangan kelas dan memberikan kemampuan diskriminasi yang lebih robust untuk implementasi sistem klasifikasi sentimen pada platform Tokopedia.

Item Type:	Thesis (S1)
Subjects:	Q Science > Q Science (General) 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 > 55201 - Jurusan Teknik Informatika
Depositing User:	azna alaiya azna
Date Deposited:	05 Mar 2026 06:53
Last Modified:	05 Mar 2026 06:53
URI:	https://rama.unimal.ac.id/id/eprint/18207

Actions (login required)

View Item