Analisis Sentimen Aplikasi Tiktok Tokopedia Seller Center dengan Pendekatan Machine Learning: SVM, CNN, Naive

Neha Poetri Setiawati; Nurmalitasari Nurmalitasari; Vihi Atina

doi:10.30591/smartcomp.v14i1.7189

Analisis Sentimen Aplikasi Tiktok Tokopedia Seller Center dengan Pendekatan Machine Learning: SVM, CNN, Naive

Neha Poetri Setiawati, Nurmalitasari Nurmalitasari, Vihi Atina

Abstract

Tiktok Tokopedia Seller Center merupakan aplikasi yang diperuntukan untuk para pelaku usaha atau para penjual mengenai pengelolaan dan meningkatkan penjualan mereka pada platform Tiktok (Tiktok shop). Penelitian ini memiliki tujuan untuk melakukan analisis sentimen negatif dan positif dari pengguna mengenai fitur dan kinerja dari aplikasi Tiktok Tokopedia Seller Center dengan menggunakan 3 algoritma Machine Learning, diantaranya SVM, CNN, Naive Bayes. Dikarenakan algoritma ketiga tersebut dinilai efektif dalam menangani kasus analisis sentimen. Data untuk penelitian ini diperoleh dari ulasan aplikasi Tiktok Tokopedia Seller Celler center yag terdapat di Google Play Store. Hasil penelitian menunjukkan bahwa SVM memiliki kinerja dan kinerja yang lebih unggul dibandingkan CNN, dan Naive Bayes, karena SVM memperoleh akurasi akhir sebesar 0.90 , disusul CNN dengan akurasi sebesar 0.88 dan Naive Bayes dengan akurasi sebesar 0.84 . Dari penelitian ini dapat memberikan gambaran atau wawasan bagi pengembang aplikasi Tiktok Tokopedia Seller Center dalam melakukan perbaikan dan meningkatkan kualitas pelayanan .

Keywords

SVM;CNN;Naive Bayes; Machine Learning; Analisis Sentimen

Full Text:

References

Wulandari, D. A., Storm, B., Djie, F., Nugroho, A. A., Raya, J. R. F., Labu, P., & Cilandak, K. (n.d.). Media Hukum Indonesia (MHI) Published by Yayasan Daarul Huda Krueng Mane Peluang Social Commerce Melalui Akuisisi Tokopedia Oleh Tiktok Shop Ditinjau Dari Aspek Legalitas. 2(3), 445.

Alfayed, E., Ramadeli, L., Agnestasia, R., Amalina, V., Octavia Swid, Z. H., & Riofita, H. (2023). ANALISIS STRATEGI PEMASARAN DAN PENJUALAN E-COMMERCE PADA TIKTOK SHOP. Jurnal Ekonomi Manajemen Dan Bisnis, Vol. 1, No.2.

Sarina, Adam M Tanniewa. (2023) Implementasi Algoritma Support Vector Learning Terhadap Analisis Sentimen Penggunaan Aplikasi Tiktok Shop Seller Center.

Satya Marga, N., Rahman Isnain, A., & Alita, D. (2021). Jurnal Informatika dan Rekayasa Perangkat Lunak (JATIKA). Abstrak, 453(4), 453–463.

Cindo, M., & Rini, D. P. (2019). Seminar Nasional Teknologi Komputer & Sains (SAINTEKS) Literatur Review: Metode Klasifikasi Pada Sentimen Analisis. In Januari.

Wahyudi, R., Kusumawardhana, G., Purwokerto, A., Letjend, J., Soemarto, P., Purwanegara, K., Purwokerto, T., & Banyumas, K. (2021). Analisis Sentimen pada review Aplikasi Grab di Google Play Store Menggunakan Support Vector Machine. JURNAL INFORMATIKA, 8(2).

Y, R. A., & L, K. M. (2023). Perbandingan Algoritma Cnn Dan Svm Untuk Analisis Sentimen Mengenai Kenaikan Harga Bahan Bakar Minyak. EProceedings of Engineering, Vol.10, No.6.

Khatami, F. A., Irawan, B., Si, S., & Setianingsih, C. (n.d.). ANALISIS SENTIMEN TERHADAP REVIEW APLIKASI LAYANAN E-COMMERCE MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK SENTIMENT ANALYSIS OF E-COMMERCE APPLICATION REVIEWS USING THE CONVOLUTIONAL NEURAL NETWORK METHOD

Kurnianto, E., & Febriawan, D. (2023). Analisis Sentimen Perbedaan Pendapat Netizen Indonesia Terhadap Penutupan Tiktok Shop Menggunakan Algoritma Naïve Bayes. Jurnal Sistem Komputer Dan Informatika (JSON) Hal: 404−, 414(2).

Hakim, B. (2021). Analisa Sentimen Data Text Preprocessing Pada Data Mining Dengan Menggunakan Machine Learning. JBASE - Journal of Business and Audit Information Systems, 4(2).

Zamsuri, A., Asril, E., Sadar, M., & Turnandes, Y. (2023). Analisis sentimen opini vaksinasi Covid-19…. ZONAsi: Jurnal Sistem Informasi, 5(1).

Meisya, T., Aulia, P., Arifin, N., & Mayasari, R. (n.d.). PERBANDINGAN KERNEL SUPPORT VECTOR MACHINE (SVM) DALAM PENERAPAN ANALISIS SENTIMEN VAKSINISASI COVID-19. https://doi.org/10.31598

Farah Zhafira, D., Rahayudi, B., & Korespondensi, P. (2021). ANALISIS SENTIMEN KEBIJAKAN KAMPUS MERDEKA MENGGUNAKAN NAIVE BAYES DAN PEMBOBOTAN TF-IDF BERDASARKAN KOMENTAR PADA YOUTUBE (Vol. 2, Issue 1).

Syahril Dwi Prasetyo, Shofa Shofiah Hilabi, & Fitri Nurapriani. (2023). Analisis Sentimen Relokasi Ibukota Nusantara Menggunakan Algoritma Naïve Bayes dan KNN. Jurnal KomtekInfo, 1–7. https://doi.org/10.35134/komtekinfo.v10i1.330

Putri, M. I., & Kharisudin, I. (2022). Penerapan Synthetic Minority Oversampling Technique (SMOTE) Terhadap Analisis Sentimen Data Review Pengguna Aplikasi Marketplace Tokopedia. PRISMA, Prosiding Seminar Nasional Matematika, 5, 759–766. https://journal.unnes.ac.id/sju/index.php/prisma/

R. K. Kaliyar, A. Goswami, and P. Narang, “FakeBERT: Fake news detection in social media with a BERT-based deep learning approach,” Multimed. Tools Appl., vol. 80, no. 8, pp. 11765–11788, 2021, doi: 10.1007/s11042-020-10183-2.Institusi. Nomor standar. Judul. Tempat Publikasi. Penerbit. Tahun Publikasi.

DOI: https://doi.org/10.30591/smartcomp.v14i1.7189