Pemodelan Analisis Sentimen Pada Ulasan Produk Toko Online By_andwe Dengan Algoritma Lexicon

Avin Nolis Ridwan; Dwi Hartanti; Sri Sumarlinda

doi:10.30591/smartcomp.v13i4.6874

Pemodelan Analisis Sentimen Pada Ulasan Produk Toko Online By_andwe Dengan Algoritma Lexicon

Avin Nolis Ridwan, Dwi Hartanti, Sri Sumarlinda

Abstract

Saat ini kegiatan berbelanja online menjadi hal biasa bagi kebanyakan manusia. Hal ini membuat segala kebutuhan manusia dapat terpenuhi dengan efektif dan efisien. Namun, dibalik manfaat positif yang diberikan, terdapat juga hal negatif yang dirasakan. Maraknya penipuan yang dilakukan oknum penjual online membuat banyak calon pembeli menjadi jauh lebih selektif, hal ini berpotensi mengurangi niat beli. 75% pembeli online selalu melakukan investigasi ke toko bersangkutan sebelum melakukan pembelian. Ketidakpercayaan pembeli menjadi tantangan serius bagi seller online untuk dapat mengevaluasi layanan yang diberikan. By_andwe merupakan salah satu toko online yang terkena dampak. Penjualan yang cenderung stagnan, persaingan dengan toko online besar, hingga kesulitan mengevaluasi kinerja toko menjadi masalah yang kini dihadapi. Penelitian dilakukan untuk mengatasi permasalahan dengan menganalisis sentimen ulasan produk dengan algoritma lexicon. Metode lexicon pada penelitian ini menggunakan kamus InSet lexicon berbahasa Indonesia. Tahapan penelitian yang dilakukan adalah pengambilan data, pre-processing data, pelabelan data, dan pengembangan sistem menggunakan waterfall. Hasil analisis sentimen menunjukan nilai positif sebesar 79.64%, negatif sebesar 15%, dan netral sebesar 5.36% dengan nilai akurasi sebesar 84.2% dari total 280 data ulasan. Pemodelan desain menggunakan UML dengan cakupan use case dan activity diagram yang hanya berfokus pada proses sentimen, serta ditambahkan dengan beberapa rancangan interface untuk sistem.

Kata Kunci – Toko Online; Analisis Sentimen; Algoritma Lexicon; InSet Lexicon; Waterfall

Keywords

Toko Online; Analisis Sentimen; Algoritma Lexicon; InSet Lexicon; Waterfall

Full Text:

References

Humairah, I. Darmawan, and O. Nurul Pratiwi, “ANALISIS SENTIMEN ULASAN PRODUK TOKO ONLINE RUBYLICIOUS UNTUK PENINGKATAN LAYANAN MENGGUNAKAN ALGORITMA NAIVE BAYES,” e-Proceeding Eng., vol. 7, no. 2, pp. 7026–7034, 2020.

M. Mustika Rani and F. Candra, “Analisis Sentimen Ulasan Toko Online Halona Beauty Care Untuk Peningkatan Layanan Menggunakan Algoritma Naïve Bayes,” J. INOVTEK POLBENG - SERI Inform., vol. 8, no. 2, pp. 215–227, 2023.

E. Kartika and J. Gondohanindijo, “RANCANG BANGUN MODEL SENTIMEN ANALISIS REVIEW PRODUK PADA TOKO ONLINE MENGGUNAKAN NAIVE BAYES,” Semin. Nas. Has. Penelit., pp. 201–212, 2020.

J. Endriyanto, S. Sumarlinda, and A. Ichsan Pradana, “Sistem Informasi Manajemen Praktik Kerja Industri (PRAKERIN) Berbasis Mobile Android di SMK Muhammadiyah 1 Sukoharjo,” DutaCom, vol. 14, no. 1, pp. 1–15, 2021, doi: 10.47701/dutacom.v14i1.2012.

I. Hanifah, J. Maulindar, and Nurohman, “Administrasi Berbasis Website Kabupaten Sragen,” J. Ilm. Tek. dan Ilmu Komput., vol. 2, no. 3, pp. 165–171, 2023, doi: 10.55123.

W. Harjono and Kristianus Jago Tute, “Perancangan Sistem Informasi Perpustakaan Berbasis Web Menggunakkan Metode Waterfall,” SATESI J. Sains Teknol. dan Sist. Inf., vol. 2, no. 1, pp. 47–51, 2022, doi: 10.54259/satesi.v2i1.773.

A. E. Fitrianto, J. Maulindar, and A. I. Pradana, “Perancangan Aplikasi Antrian Pasien Pada Klinik Pratama Mta Surakarta Berbasis Mobile,” Pros. Semin. Nas. …, pp. 481–487, 2022, [Online]. Available: http://ojs.udb.ac.id/index.php/Senatib/article/download/1945/1531

A. R. Ismail and Raden Bagus Fajriya Hakim, “Implementasi Lexicon Based Untuk Analisis Sentimen Dalam Menentukan Rekomendasi Pantai Di DI Yogyakarta Berdasarkan Data Twitter,” Emerg. Stat. Data Sci. J., vol. 1, no. 1, pp. 37–46, 2023, doi: 10.20885/esds.vol1.iss.1.art5.

D. Musfiroh, U. Khaira, P. E. P. Utomo, and T. Suratno, “Analisis Sentimen terhadap Perkuliahan Daring di Indonesia dari Twitter Dataset Menggunakan InSet Lexicon,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 1, no. 1, pp. 24–33, 2021, doi: 10.57152/malcom.v1i1.20.

V. Atina et al., “KNOWLEDGE BASED RECOMMENDATION MODELING FOR CLOTHING PEMODELAN KNOWLEDGE BASED RECOMMENDATION UNTUK SISTEM,” vol. 3, no. 5, pp. 1407–1413, 2022, doi: https://doi.org/10.20884/1.jutif.2022.3.5.584.

A. A. H, E. K. Kusumawati, F. Lestari, and D. Hartanti, “Perancangan Aplikasi Pemesanan Produk Kosmetik,” Pros. Semin. Nas. Univ. Duta Bangsa Surakarta, no. 55, pp. 669–672, 2017.

M. Junius Aguswan and A. Wijaya, “Analisis Sentimen Google Glass Pada Pengguna Twitter Dengan Metode Lexicon Based,” J. Sist. Inf. dan Teknol. Perad., vol. 4, no. 2, pp. 1–6, 2023, [Online]. Available: www.journal.peradaban.ac.id

Styawati, N. Hendrastuty, A. R. Isnain, and A. Y. Rahmadhani, “Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine,” J. Inform. J. Pengemb. IT, vol. 6, no. 3, pp. 150–155, 2021, doi: 10.30591/jpit.v6i3.2870.

O. I. Gifari, M. Adha, I. R. Hendrawan, F. Freddy, and S. Durrand, “Analisis Sentimen Review Film Menggunakan TF-IDF dan Support Vector Machine,” vol. 2, no. 1, pp. 36–40, 2022.

W. Darmawan, M. Kurniawan Faizal, W. Setianto, and W. Hapsoro, “Analisis Sentimen Penerapan Kurikulum Merdeka Pada Pengguna Twitter Menggunakan Metode K-Nearest Neighbor Dengan Forward Selection,” Smart Comp Jurnalnya Orang Pint. Komput., vol. 12, no. 1, 2023, doi: 10.30591/smartcomp.v12i1.4634.

Andreyestha, A. Dharma Suriyanto, and W. Endah Pangesti, “ANALISA SENTIMEN TERHADAP TAGAR #dirumahaja MELALUI TWITTER DI INDONESIA,” INTELEKTIVA J. Ekon. Sos. Hum. Anal., vol. 2, no. 9, pp. 9–17, 2021.

M. G. Undap, V. P. Rantung, and P. T. D. Rompas, “Analisis Sentimen Situs Pembajak Artikel Penelitian Menggunakan Metode Lexicon-Based,” JOINTER-JOURNAL INFORMATICS Eng., vol. 02, no. 02, p. 2021, 2021.

DOI: https://doi.org/10.30591/smartcomp.v13i4.6874