Analisis Sentimen E-Commerce Lazada pada Jejaring Sosial Twitter Menggunakan Algoritma Support Vector Machine
Article Sidebar
Main Article Content
Abstract
E-commerce dapat mempermudah transaksi jual beli antara penjual dan pembeli melalui sebuah platform online. Perkembangan teknologi yang semakin cepat secara tidak langsung memaksa pengusaha untuk mengembangkan sayapnya melalui e-commerce. Lazada merupakan perusahaan e-commerce terbesar no. 4 yang ada di Indonesia. Bagi perusahaan sangat penting untuk mengetahui penilaian mengenai layanan yang mereka tawarkan. Salah satu media yang biasa digunakan untuk mengutarakan opini kita adalah melalui media sosial yang salah satunya adalah Twitter. Pendapat dan komentar tentang e-commerce Lazada di Twitter sangat beragam. Dalam rangka meningkatkan pelayanannya perusahaan maka perlu mengkaji pendapat publik terhadap e-commerce Lazada. Pendekatan yang dapat dilakukan untuk mengkaji pendapat publik adalah melalui analisis sentimen. Algoritma Support Vector Machine (SVM) diketahui dapat melakukan analisis sentimen dengan baik. Berdasarkan penelitian yang telah dilakukan, metode vader yang ada dalam library Orange Data Mining dapat membantu pelabelan dataset 300 tweet. Performa algoritma Support Vector Machine dalam proses training dan testing telah menghasilkan nilai accuracy, precision, recall dan F1 score diatas 80 %. Hasil analisis sentimen dari penelitian ini dapat digunakan sebagai tolak ukur untuk peningkatan layanan perusahaan dan memberikan wawasan kepada masyarakat.
Article Details
References
Luqyana, W. A., Gholissodin, I., & Perdana, rizal setya. (2018). Analisis Sentimen Cyberbullying Pada Komentar Instagram dengan Metode Klasifikasi Support Vector Machine. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, 2(11), 4704–4713. https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/3051
Mutawalli, L., Zaen, M. T. A., & Bagye, W. (2019). Klasifikasi Teks Sosial Media Twitter Menggunakan Support Vector Machine (Studi Kasus Penusukan Wiranto). Jurnal Informatika dan Rekayasa Elektronik, 2(2), 43. https://doi.org/10.36595/jire.v2i2.117
Nurhafida, S. I., & Sembiring, F. (2021). Analisis Text Clustering Masyarakat di Twiter Mengenai Mcdonald’sxbts Menggunakan Orange Data Mining. Seminar Nasional Sistem Informasi dan Manajemen Informatika, 1(1), 28–35.
Pamungkas, B., Purbaya, M. E., & A.K, D. J. (2021). Analisis Sentimen Twitter Menggunakan Metode Support Vector Machine (SVM) pada Kasus Benih Lobster 2020. Journal of Informatics, Information System, Software Engineering and Applications (INISTA), 3(2), 10–20. https://doi.org/10.20895/inista.v3i2.243
Pravina, A. M., Cholissodin, I., & Adikara, P. P. (2019). Analisis Sentimen Tentang Opini Maskapai Penerbangan pada Dokumen Twitter Menggunakan Algoritme Support Vector Machine (SVM). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 3(3), 2789–2797. http://j-ptiik.ub.ac.id
Widagdo, A. S., W.A, B. S., & Nasiri, A. (2020). Analisis Tingkat Kepopuleran E-Commerce Di Indonesia Berdasarkan Sentimen Sosial Media Menggunakan Metode Naïve Bayes. Jurnal Informa : Jurnal Penelitian dan Pengabdian Masyarakat, 6(1), 1–5. https://doi.org/10.46808/informa.v6i1.159
Yasid, M. (2019). Analisis Sentimen Maskapai Citilink Pada Twitter Dengan Metode Naãve Bayes. Jurnal Ilmiah Informatika, 7(02), 82. https://doi.org/10.33884/jif.v7i02.1329