Sistem Rekomendasi Produk Kesehatan Menggunakan Sentimen Analisis Pada Studi Kasus Numedika.ID Menggunakan Indober

Ibrahim, Romandhika RIjal (2025) Sistem Rekomendasi Produk Kesehatan Menggunakan Sentimen Analisis Pada Studi Kasus Numedika.ID Menggunakan Indober. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05311840000048-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Majunya perkembangan teknologi memudahkan individu untuk mengakses kebutuhan sehari- harinya. Salah satu contoh perkembangan teknologi ialah munculnya banyak platform e- commerce Indonesia yang kemudian menimbulkan banyak inovasi-inovasi baru dengan berkolaborasi dengan aspek-aspek yang ada guna dapat membantu kehidupan manusia. Salah satu aspek tersebut adalah dalam bidang medis, ditandai dengan banyaknya platform yang memanfaatkan tren ini seperti Numedika.id, sebuah website yang menyediakan berbagai macam produk kesehatan, mulai dari suplemen, alat medis, hingga produk perawatan diri. Sistem ini dirancang untuk membantu pengguna dalam memilih produk kesehatan yang sesuai berdasarkan ulasan dan pendapat pengguna lain. Metode yang digunakan meliputi pengumpulan data ulasan produk kesehatan yang secara spesifik diambil dari halaman produk pada situs Numedika.id. Data ulasan ini kemudian melalui pemrosesan teks menggunakan Natural Language Processing (NLP) dan penerapan algoritma sentiment analysis menggunakan IndoBERT untuk mengklasifikasikan ulasan menjadi positif, negatif, atau netral. Hasil analisis sentimen kemudian diintegrasikan dengan sistem rekomendasi yang menggunakan metode content-based filtering untuk memberikan rekomendasi produk yang paling relevan dan disukai oleh pengguna. Evaluasi sistem dilakukan dengan mengukur akurasi klasifikasi sentimen dan kepuasan pengguna terhadap rekomendasi yang diberikan. Hasil uji coba kuantitatif menunjukkan bahwa model klasifikasi sentimen IndoBERT mencapai akurasi sebesar 92% dan F1-Score 91.5%. Sementara itu, sistem rekomendasi berhasil mencapai tingkat presisi 85% dalam 5 rekomendasi teratas (Precision@5). Hasil penelitian menunjukkan bahwa sistem ini mampu meningkatkan pengalaman pengguna dalam memilih produk kesehatan dengan memanfaatkan informasi dari ulasan pengguna lain. Dengan demikian, sistem rekomendasi ini dapat menjadi alat yang efektif untuk membantu konsumen dalam mengambil keputusan pembelian produk kesehatan.
===============================================================================================================================================
The rapid advancement of technology has made it easier for individuals to access their daily needs. One manifestation of this progress is the emergence of numerous e-commerce platforms in Indonesia, which has spurred new innovations by collaborating with various sectors to improve human life. The medical field is one such aspect, evidenced by the proliferation of platforms leveraging this trend, such as Numedika.id—a website that provides a wide array of health products, from supplements and medical devices to personal care products. This system is designed to assist users in selecting appropriate health products based on the reviews and opinions of other users. The methodology involves collecting health product review data specifically from the product pages on the Numedika.id website. This review data is then processed using Natural Language Processing (NLP), and a sentiment analysis algorithm using IndoBERT is applied to classify the reviews as positive, negative, or neutral. The sentiment analysis results are subsequently integrated into a recommendation system that employs a content-based filtering method to provide the most relevant and preferred product recommendations. System evaluation yielded strong quantitative results. The IndoBERT sentiment classification model achieved an accuracy of 92% and an F1-Score of 91.5%. Furthermore, the recommendation system demonstrated a precision rate of 85% for the top 5 recommendations (Precision@5). These findings indicate that the system effectively enhances the user experience in selecting health products by leveraging information from other user reviews. Therefore, this recommendation system proves to be an effective tool for assisting consumers in making their health product purchasing decisions.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Natural Language Processing (NLP), sentiment analysis, healthcare, IndoBERT, website.
Subjects:	T Technology > T Technology (General) T Technology > T Technology (General) > T58.5 Information technology. IT--Auditing
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information Technology > 59201-(S1) Undergraduate Thesis
Depositing User:	Romandhika Rijal Ibrahim
Date Deposited:	05 Aug 2025 08:38
Last Modified:	14 Aug 2025 03:22
URI:	http://repository.its.ac.id/id/eprint/126841

Actions (login required)

View Item