PENERAPAN METODE LOGISTIC REGRESSION DAN TF-IDF DALAM ANALISIS SENTIMEN TERHADAP APLIKASI SHOPEE

Darmawansyah, Deden (2026) PENERAPAN METODE LOGISTIC REGRESSION DAN TF-IDF DALAM ANALISIS SENTIMEN TERHADAP APLIKASI SHOPEE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf - Published Version Download (1MB)
	Text (BAB I) BAB I.pdf - Published Version Download (289kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Registered users only Download (1MB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (301kB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Registered users only Download (879kB)
	Text (BAB V) BAB V.pdf - Published Version Download (89kB)
	Text (DAFTAR PUSTAKA - LAMPIRAN) Daftar Pustaka da Lampiran.pdf - Published Version Restricted to Registered users only Download (202kB)
	Archive (SOURCE CODE) Sourcecode - 22.11.5190.zip - Published Version Restricted to Repository staff only Download (927kB)
	Text (PUBLIKASI) Publikasi.pdf - Published Version Restricted to Repository staff only Download (760kB)

Abstract

Perkembangan e-commerce yang pesat, khususnya pada aplikasi Shopee, mendorong banyak pengguna untuk memberikan ulasan terhadap sistem dan fitur layanan yang tersedia pada aplikasi tersebut. Ulasan tersebut mengandung opini yang dapat dimanfaatkan untuk mengetahui tingkat kepuasan pelanggan. Namun, jumlah ulasan yang sangat banyak menyebabkan sulitnya melakukan analisis secara manual. Oleh karena itu, diperlukan suatu metode otomatis untuk mengklasifikasikan sentimen ulasan pengguna. Penelitian ini dilakukan untuk membantu proses analisis ulasan pengguna secara otomatis sehingga informasi mengenai kepuasan maupun keluhan pengguna terhadap aplikasi Shopee dapat diketahui dengan lebih cepat dan efisien. Pendekatan yang digunakan adalah Natural Language Processing (NLP) melalui tahapan preprocessing teks. Selanjutnya dilakukan ekstraksi fitur menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF) untuk mengubah data teks menjadi representasi numerik. Proses klasifikasi dilakukan menggunakan algoritma Logistic Regression untuk mengelompokkan sentimen ke dalam tiga kategori, yaitu positif, negatif dan netral. Hasil penelitian menunjukkan bahwa model yang dibangun mampu mengklasifikasikan sentimen dengan baik. Berdasarkan evaluasi menggunakan confusion matrix, diperoleh nilai akurasi sebesar 85%, dengan nilai precision, recall, dan f1-score pada kelas sentimen negatif masing-masing sebesar 0,86, 0,73, dan 0,79, pada kelas netral sebesar 0,84, 0,98, dan 0,90, serta pada kelas positif sebesar 0,85, 0,84, dan 0,84. Hasil tersebut menunjukkan bahwa metode yang digunakan cukup efektif dalam melakukan analisis sentimen terhadap ulasan pengguna Shopee. Dengan demikian, penelitian ini dapat membantu dalam memahami opini pelanggan secara otomatis serta dapat dijadikan sebagai bahan pertimbangan bagi pelaku bisnis dalam meningkatkan kualitas produk dan layanan.

Actions (login required)

View Item