Analisis Sentimen Ulasan Pelanggan Untuk Mengoptimalkan Pilihan Produk Pada E-Commerce Menggunakan Bidirectional Encoder Representations From Transformers (BERT)

Pratiwi, Madina Nur (2024) Analisis Sentimen Ulasan Pelanggan Untuk Mengoptimalkan Pilihan Produk Pada E-Commerce Menggunakan Bidirectional Encoder Representations From Transformers (BERT). Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6032221103-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (10MB) | Request a copy

Abstract

Menurut siaran pers Kementrian Koordinator Bidang Perekonomian Republik Indonesia, Pertumbuhan fenomenal industri kosmetik di Indonesia ditandai dengan pertumbuhan jumlah industri kosmetik di Indonesia yang mencapai 21,9%, yakni dari 913 perusahaan di tahun 2022 menjadi 1.010 perusahaan pada pertengahan 2023. Industri kosmetik nasional juga mampu menembus pasar ekspor sebesar USD 770,8 juta. Perkembangan tren kecantikan yang cepat dan terus berubah telah menciptakan pasar yang penuh dengan berbagai merek dan produk yang bersaing. Maka dari itu, pemahaman presepsi dan preferensi pelanggan menjadi sangat penting untuk mengahadapi perubahan tren kecantikan. Metode penelitian melibatkan pengumpulan dataset ulasan konsumen daring pada salah satu beauty e-commerce dengan melibatkan berbagai merek kecantikan, melalui proses web scraping. Penelitian ini menggunakan salah satu teknik Natural Language Processing yaitu BERT (Bidirectional Encoder Representations from Transformers) yang memanfaatkan arsitektur transformer
untuk memahami konteks dalam teks dengan lebih baik. Melalui analisis sentimen pelanggan, Perusahaan dapat memperoleh wawasan mendalam tentang preferensi dan persepsi pelanggan terhadap produk. Hasil analisis tersebut dapat digunakan untuk menyempurnakan pilihan produk yang ditawarkan oleh e-commerce, dengan memprioritaskan atau mengoptimalkan stok produk yang mendapatkan tanggapan positif. Dalam penelitian ini, analisis sentimen ulasan menggunakan model BERT menghasilkan model terbaik dengan akurasi 81%, menggunakan pembagian data 90% data training, 10% data testing, 32 batch, dan 10 epoch. Implementasi pada 10 merek menunjukkan bahwa 6 merek penelitian, berhasil memenuhi atau melewati ambang batas presentase positif sebesar 70%, menandakan respons positif yang signifikan dari pengguna terhadap produk-produk tersebut berdasarkan analisis BERT. Secara keseluruhan, penelitian ini tidak hanya mengonfirmasi keefektifan model BERT dalam analisis sentimen ulasan, tetapi juga memberikan informasi
berharga kepada perusahaan mengenai sentimen produk di pasar. Dengan demikian, Perusahaan dapat menggunakan temuan ini untuk mengoptimalkan pemilihan produk baru yang dapat dijual perusahaan.
==============================================================
According to a press release from the Coordinating Ministry for Economic Affairs of the Republic of Indonesia, the phenomenal growth of the cosmetic industry in Indonesia is marked by a 21.9% increase in the number of cosmetic companies, from 913 in 2022 to 1,010 by mid-2023. The national cosmetic industry has also penetrated the export market with a value of USD 770.8 million. The rapid and ever-changing beauty trends have created a market full of various competing brands and products. Therefore, understanding customer perceptions and preferences becomes crucial in facing these beauty trends changes. The research method involves collecting online consumer review datasets from one of the beauty commerce platforms, involving various beauty brands, through web scraping. This research utilizes one of the Natural Language
Processing techniques, BERT (Bidirectional Encoder Representations from Transformers), which utilizes transformer architecture to better understand the context of the text.
Through customer sentiment analysis, companies can gain deep insights into customer preferences and perceptions of products. The results of this analysis can be used to refine the product choices offered by e-commerce, prioritizing or
optimizing the stock of products that receive positive feedback. In this study, sentiment analysis of reviews using the BERT model resulted in the best model with an accuracy of 81%, utilizing a data split of 90% training data, 10% testing data, 32 batches, and 10 epochs. Implementation on 10 brands
showed that 6 brands in the study managed to meet or exceed the positive percentage threshold of 70%, indicating a significant positive response from users towards these products based on the BERT analysis. Overall, this study not only confirms the effectiveness of the BERT model in sentiment analysis of reviews but also provides valuable information to companies regarding product sentiment in the market. The company can use these findings to optimize the selection of new products that can be sold by the company.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	sentiment analysis, beauty e-commerce, natural language processing, machine learning, web scraping,analisis sentimen, beauty e-commerce, natural language processing, machine learning, web scraping
Subjects:	Q Science > QA Mathematics > QA336 Artificial Intelligence
Divisions:	61101-Magister Management Technology
Depositing User:	Madina Nur Pratiwi
Date Deposited:	04 Aug 2024 03:52
Last Modified:	04 Aug 2024 03:52
URI:	http://repository.its.ac.id/id/eprint/110864

Actions (login required)

View Item