KLASIFIKASI ULASAN PRODUK PADA PESAING TOKO DEPESAFLORIST MENGGUNAKAN ALGORITMA NAÏVE BAYES

Nanda, Tatak Goresta Putra (2025) KLASIFIKASI ULASAN PRODUK PADA PESAING TOKO DEPESAFLORIST MENGGUNAKAN ALGORITMA NAÏVE BAYES. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (222kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (536kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (1MB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (996kB)
	Text (BAB V) BAB V.pdf Download (144kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (231kB)
	Archive (SOURCE CODE) Sourcecode - 18.11.2442.zip Restricted to Repository staff only Download (926kB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (901kB)

Abstract

Toko Depesaflorist merupakan salah satu toko online yang bergerak di bidang penjualan tanaman hias melalui platform Shopee. Ulasan pelanggan pada toko ini sangat berperan penting dalam membangun reputasi dan kepercayaan calon pembeli. Namun, permasalahan muncul karena banyaknya ulasan yang tidak sesuai dengan jumlah bintang yang diberikan. Hal ini menyulitkan pihak toko dalam memahami opini pelanggan secara menyeluruh dan objektif, apalagi jika jumlah ulasan sangat banyak. Evaluasi manual terhadap ulasan menjadi tidak efisien dan berisiko menimbulkan kesalahan subjektif. Oleh karena itu, diperlukan sistem yang mampu menganalisis dan mengklasifikasikan ulasan secara otomatis berdasarkan sentimen pelanggan. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi sentimen ulasan produk menggunakan algoritma Naïve Bayes khusus nya varian Multinomial Naïve Bayes. Data ulasan produk pesaing Depesaflorist dikumpulkan melalui proses scraping menggunakan bahasa Python dan API Shopee. Selanjutnya, data menjalani serangkaian tahapan preprocessing seperti cleaning, case folding, normalisasi, tokenizing, stopword removal, dan stemming. Fitur teks kemudian diubah menjadi representasi numerik menggunakan metode pembobotan Term Frequency-Inverse Document Frequency (TF-IDF), sebelum dilakukan klasifikasi sentimen ke dalam tiga kategori yaitu positif, negatif, dan netral. Hasil klasifikasi menunjukkan bahwa algoritma Multinomial Naïve Bayes mampu mengenali sentimen dalam ulasan dengan akurasi sebesar 52,17% berdasarkan confusion matrix. Model juga menunjukkan performa yang baik dalam mengenali ulasan negatif dengan presisi 73% dan recall 89%. Visualisasi data menggunakan wordcloud dan pie chart turut memperjelas persebaran sentimen pada masing-masing kelas. Sistem yang dikembangkan ini diharapkan dapat membantu pihak toko dalam memahami opini pelanggan, melakukan evaluasi produk, dan meningkatkan kualitas layanan yang ditawarkan.

Actions (login required)

View Item