Rahmawati, Rahmawati (2024) ANALISIS SENTIMEN TOKO KOSMETIK PADA TIK TOK SHOP MENGGUNAKAN METODE SUPPORT VEKTOR MACHINE (SVM). S1 thesis, Universitas Malikussaleh.

	Text cover.pdf Download (29kB)
	Text abstrak.pdf Restricted to Registered users only Download (2MB)
	Text bab1.pdf Download (13kB)
	Text daftar_pustaka.pdf Download (251kB)
	Text skripsi_sidang.pdf Restricted to Registered users only Download (2MB)

Abstract

ABSTRAK Dalam era digital saat ini, komentar pengguna sering kali menjadi indikator kunci dalam penilaian kualitas produk. Namun, tidak jarang komentar tersebut bersifat asimetris dan tidak terstruktur, sehingga dapat mengakibatkan ambiguitas dan kesulitan dalam pengambilan keputusan pembelian oleh konsumen.Penelitian ini bertujuan untuk membantu konsumen menilai dan memilih produk di TikTok Shop, sebuah platform belanja online, melalui penggunaan teknik analisis sentimen yang mampu untuk membantu konsumen membuat keputusan yang lebih. Dalam penelitian ini, total 500 komentar dari pengguna TikTok Shop dikumpulkan untuk dijadikan data. Data ini dibagi menjadi dua bagian: 350 komentar untuk (data latih) dan 150 komentar untuk menguji (data uji). Teknik yang digunakan untuk mengumpulkan data adalah scraping, yaitu pengambilan data otomatis dari internet menggunakan modul Selenium, yang merupakan bagian dari library Python.Untuk menganalisis komentar, kami menggunakan metode Support Vector Machine (SVM), yang merupakan teknik dalam bidang machine learning yang efektif untuk klasifikasi teks. Dari hasil pengujian, didapatkan 121 dan sentimen positif dan 29 sebagai negatif. Sistem ini berhasil menyarankan toko kosmetik "Ourluxbeauty" sebagai toko dengan banyak sentimen positif, menunjukkan tingkat rekomendasi 0,7 pada skala sentimen positif. Keakuratan sistem diukur dengan menggunakan Confusion Matrix, yang menghasilkan nilai akurasi sebesar 76% dan tidak akurat sebesar 24%. Ini menunjukkan bahwa sistem dapat secara akurat mengklasifikasikan sentimen komentar dan memiliki potensi besar untuk diterapkan dalam praktik e-commerce guna meningkatkan pengalaman belanja online. Kata kunci : Analisis, Sentimen, Toko kosmetik, Tik Tok Shop, Support Vector Machine Abstract In the current digital era, user comments often serve as key indicators in assessing product quality. However, these comments are frequently asymmetric and unstructured, leading to ambiguity and difficulties in consumers' purchasing decisions. This research aims to assist consumers in evaluating and selecting products on TikTok Shop, an online shopping platform, by employing sentiment analysis techniques that help consumers make more informed decisions. In this study, a total of 500 comments from TikTok Shop users were collected as data. This data was divided into two parts: 350 comments for training (training data) and 150 comments for testing (test data). The technique used to collect the data was scraping, which involves automatically retrieving data from the internet using the Selenium module, a part of the Python library. To analyze the comments, we used the Support Vector Machine (SVM) method, a machine learning technique effective for text classification. From the test results, 121 comments were classified as positive sentiment and 29 as negative sentiment. The system successfully recommended the "Ourluxbeauty" cosmetics store as a shop with many positive sentiments, indicating a recommendation level of 0.7 on the positive sentiment scale. The system's accuracy was measured using a Confusion Matrix, resulting in an accuracy rate of 76% and an inaccuracy rate of 24%. This demonstrates that the system can accurately classify comment sentiments and has significant potential for application in e-commerce practices to enhance the online shopping experience. Keyword : Analysis, Sentiment, TikTok Shop, Cosmetic Store, Support Vector Machine

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Rahmawati rahma rahma
Date Deposited:	28 Aug 2024 08:22
Last Modified:	28 Aug 2024 08:22
URI:	https://rama.unimal.ac.id/id/eprint/5303

Actions (login required)

View Item