Klasifikasi Teks Permintaan Informasi Untuk Aplikasi Online Shop Menggunakan Algoritma Support Vector Machine (Studi Kasus: Bento Shop)

Rachmawati, Dea Andia (2016) Klasifikasi Teks Permintaan Informasi Untuk Aplikasi Online Shop Menggunakan Algoritma Support Vector Machine (Studi Kasus: Bento Shop). Undergraduate thesis, Institut Teknologi Sepuluh Nopember Surabaya.

[img]
Preview
Text
5212100177-Undergraduate_Thesis.pdf - Published Version

Download (1MB) | Preview

Abstract

Pemanfaatan teknologi dalam bidang perdagangan dan penjualan diantaranya E-Commerce semakin berkembang. Berdasarkan data statistik dari ICD (lembaga penelitian dan informasi Media Group Digital) diketahui bahwa dari tahun 2012 – 2015 pasar E-commerce di indonesia meningkat sebanyak 42%. Salah satu pemnfaatan E-Commerce adalah forbento.com. Forbento merupakan semi E-commerce yang menjual bento tools (alat-alat untuk membuar bento) melalui website dan menghubungi customer service dengan meggunakan aplikasi pengiriman pesan singkat blackberry messanger. Pada penelitian sebelumnya yang dilakukan oleh Hudalizaman mengenai pengembangan aplikasi personal assistant untuk membantu mengetahui informasi produk menggunakan pengolahan bahasa alami berbasis python (2015) telah dibuat aplikasi untuk menangani pertanyaan mengenai informasi produk yang diberikan dalam bentuk bahasa alami. Namun pada aplikasi tersebut, belum dapat membedakan query dan non query secara otomatis karena sistem hanya mampu membaca kata yang termasuk ke dalam kategori produk saja. Jika harus mencari satu persatu tentunya akan iii membutuhkan waktu yang lama. Oleh karena itu akan dilakukan klasifikasi teks sehingga dapat membedakan query (kata informasi produk) dan non query (non informasi produk) secara otomatis. Metode yang digunakan dalam Tugas Akhir ini adalah Support Vector Machine. Pemilihan metode Support Vector Machine dalam klasifikasi teks ini dikarenakan metode Support Vector Machine (SVM) dapat memberikan solusi yang baik pada dataset yang besar dan meminimalisir terjadinya overfitting. Tugas akhir ini menghasilkan model klasifikasi teks permintaan informasi yang memiliki nilai akurasi, presisi, recall dan F-Measure adalah 94.74%, 93.18%, 96.09%, dan 96.18%, sehingga hasil klasifikasi ini dapat dikategorikan baik. Dengan hasil ini diharapkan dapat membedakan teks query dan non query secara otomatis =========================================================================================The use of technology in the field of trade and the sale of such E-Commerce is growing. Based on statistics from the ICD (research institutes and information Media Group Digital) note that from the year 2012-2015 E-commerce market in Indonesia increased by 42%. one of the utilization of ECommerce is forbento.com. Forbento is a semi E-commerce that selling bento tools (tools for making bento) through the website and contact the customer service by using short messaging applications blackberry messenger. In a previous study conducted by Hudalizaman regarding personal assistant application development to help determine product information using natural language processing based on python (2015) has made an application to handle questions regarding the product information provided in the form of natural language. But in the application, can not distinguish between queries and non-queries automatically because the system is only able to read words that fall into the category of products only. If you should find one by one, it will certainly take a long time. Therefore, it will be the classification of text that can distinguish queries (words of information products) and non query (non-information product) automatically. v The method used in this final project is a Support Vector Machine. The selection method of Support Vector Machine in text classification is because Support Vector Machine (SVM) method can provide a good solution on large datasets and minimize overfitting. The final task is to produce a text classification model requests for information that have value accuracy, precision, recall and F-Measure is: 94.74%, 93.18%, 96.09%, and 96.18%, so the results of this classification can be considered good. These results are expected to help distinguish non-text query and query automatically

Item Type: Thesis (Undergraduate)
Additional Information: RSSI 006.312 Rac k-1
Uncontrolled Keywords: E-Commerce, Forbento.com, Klasifikasi Teks, Informasi Produk, Support Vector Machine
Subjects: Q Science > QA Mathematics > QA76.9.D343 Data mining
Divisions: Faculty of Information Technology > Information System > 57201-(S1) Undergraduate Thesis
Depositing User: EKO BUDI RAHARJO
Date Deposited: 09 Mar 2020 07:04
Last Modified: 09 Mar 2020 07:04
URI: http://repository.its.ac.id/id/eprint/75376

Actions (login required)

View Item View Item