Pratiwi, Dewi Ayu (2024) ANALISIS SENTIMEN PENGARUH TIKTOKSHOP TERHADAP UMKM LOKAL PADA TWITTER MENGGUNAKAN ALGORITMA BERT. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (1MB) |
|
Text (BAB I)
BAB I.pdf Download (193kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (1MB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (399kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (610kB) |
|
Text (BAB V)
BAB V.pdf Download (69kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (271kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Sourcecode - 18.11.2377.zip Restricted to Repository staff only Download (2MB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (803kB) |
Abstract
Usaha Mikro, Kecil, dan Menengah (UMKM) memiliki peran penting dalam pertumbuhan ekonomi dan stabilitas. Lonjakan transaksi online, dipermudah oleh platform seperti TikTok Shop, ini menarik minat UMKM lokal untuk mempromosikan produk. Namun, penelitian tentang dampak TikTok Shop terhadapUMKM lokal masih terbatas. Penelitian ini menggunakan analisis data Twitter untuk memahami respons pengguna terhadap TikTok Shop yang dijalankan oleh UMKM lokal, dengan menggunakan algoritma deep learning BERT untuk analisis sentiment. Hasil evaluasi model menunjukkan akurasi total sebesar 79%, dengan precision untuk kelas netral (0) mencapai 86%, sedangkan untuk kelas positif (1)dan negatif (2) masing-masing adalah 54% dan 30%. Recall model menunjukkankemampuan untuk mengidentifikasi data yang relevan, dengan kelas netral memiliki recall 92%, sementara kelas positif dan negatif hanya memiliki recall 38% dan 24%. F-1 Score, yang mencerminkan keseluruhan performa model, menunjukkan nilai tertinggi pada kelas netral 89%, diikuti dengan kelas positif 45%dan negatif 27%. Evaluasi ini menyoroti kebutuhan untuk meningkatkanpengenalan terhadap kelas positif dan negatif guna meningkatkan performa keseluruhan model.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | TikTok Shop, UMKM Lokal, Twitter, dan BERT | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer | ||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 30 Jul 2024 02:46 | ||
| Last Modified: | 30 Jul 2024 02:46 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/26570 |
Actions (login required)
 |
View Item |