Klasifikasi Ulasan Marketplace Shopee dan Tokopedia Indonesia Menggunakan Pendekatan Support Vector Machines (SVM)

Naranakubar, Rizki Tetania Mahalang (2022) Klasifikasi Ulasan Marketplace Shopee dan Tokopedia Indonesia Menggunakan Pendekatan Support Vector Machines (SVM). Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5003201185-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until August 2024. Download (2MB) | Request a copy

Abstract

Sejak terjadinya pandemi covid-19 yang melanda dunia terutama Indonesia, mangakibatkan terjadinya perubahan besar-besaran pada beberapa sektor. Seperti pada sektor perdagangan. Sehingga untuk mengatasi hal tersebut banyak para pedagang yang beralih ke perdagangan secara online atau melalui sebuah layanan yang telah disediakan oleh para e-commerce. Kemudian berdasarkan data the map of e-commerce in Indonesia pada Quartal 3-2021 yang diperoleh dari situs platfrom I-Price, Shopee dan Tokopedia merupakan marketplace yang lebih unggul dibandingkan dengan marketplace lain menurut lima dari tujuh parameter penilaian. Kedua e-commerce tersebut, menyediakan fitur menarik untuk menunjang dalam pengambilan keputusan oleh konsumen dalam proses pembelian dari sebuah marketplace adalah Online Customer Review (OCR) atau yang biasa dikenal dengan electronic Word Of Mouth (eWOM). Customer review tersebut dapat memberikan informasi secara negatif maupun positif pada calon konsumen. Oleh karena itu walaupun bagi konsumen menguntungkan karena bersifat jujur, akan tetapi bagi kalangan perusahaan dan pebisnis hal tersebut tidak dapat dikendalikan dan terkadang bersifat merugikan. Maka untuk mencegah hal tersebut, maka perlu dilakukan sebuah analisis untuk membantu seorang developer untuk menilai bagian mana dari sebuah aplikasi marketplace yang perlu ditingkatkan dan dioptimalkan. Sehingga pada penelitian ini bertujun untuk mengklasifikasikan sentimen (positif dan negatif) berdasarkan ulasan dari marketplace Shopee dan Tokopedia dengan menggunakan pendekatan metode Support Vector Machine (SVM) dengan kernel linear dan kernel Radial Basis Function (RBF), dimana dikarenakan data teks tersebut belum menjadi data yang terstruktur. Maka perlu diperlukan suatu metode seperti word embedding atau pembobotan kata untuk membuat data tersebut lebih terstruktur menggunakan TF-IDF dan Word2Vec yang bertujuan untuk membandingkan dua metode pembobotan tersebut untuk menemukan tingkat akurasi ketepatan model klasifikasi terbaik. Data yang digunakan padaa penelitian ini yaitu berasal dari ulasan aplikasi di Google Play Januari 2022 hingga Februari 2022. Pada penelitian ini, memberikan informasi bahwa dengan menggunakan metode pembobotan TF-IDF dan metode klasifikasi SVM kernel RBF memberikan hasil akurasi ketepatan klasifikasi yang cukup bagus yaitu pada data training Shopee memilliki nilai AUC yang lebih unggul 0,01% jika dibandingkan dengan pembobotan Wod2Vec, sedangkan pada Tokopedia memiliki nilai AUC yang lebih unggul 0,54% jika dibandingkan dengan pembobotan Word2Vec.
========================================================================================================================
Since the onset of the COVID-19 pandemic that hit the world, especially Indonesia, it has resulted in major changes in several sectors. As in the trade sector. So to overcome this, many traders have turned to online trading or through a service that has been provided by e-commerce. Then, based on data from the map of e-commerce in Indonesia in Quarter 3-2021 obtained from the I-Price platform site, Shopee, and Tokopedia are marketplaces that are superior to other marketplaces according to five of the seven assessment parameters. Both of these e-commerce sites, which provide interesting features to support consumer decision-making in the purchase process from a marketplace, are Online Customer Reviews (OCR) or commonly known as electronic Word Of Mouth (eWOM). These customer reviews can provide negative or positive information to potential customers. Therefore, although for consumers it is profitable because it is honest, but for companies and business people it cannot be controlled and sometimes is detrimental. So to prevent this, it is necessary to conduct an analysis to help a developer assess which parts of a marketplace application need to be improved and optimized. So in this study the aim of this research is to classify sentiments (positive and negative) based on reviews from the Shopee and Tokopedia marketplaces using the Support Vector Machine (SVM) method approach, which is because the text data has not yet become structured data. So we need a method such as word embedding or word weighting to make the data more structured using TF-IDF and Word2Vec which aims to compare the two weighting methods to find the best level of accuracy for the classification model. The data used in this study comes from application reviews on Google Play from January 2022 to February 2022. In this study, it provides information that using the TF-IDF weighting method and the SVM kernel RBF classification method gives a fairly good classification accuracy result, namely, the Shopee training data has an AUC value that is 0.01% superior when compared to the Wod2Vec weighting, while Tokopedia has an AUC value that is 0.54% superior when compared to the Word2Vec weighting.

Item Type:	Thesis (Other)
Additional Information:	RSSt 519.53 Nar k-1
Uncontrolled Keywords:	Shopee, SVM, Tokopedia, TF-IDF, Word2Vec
Subjects:	Q Science > QA Mathematics > QA278.55 Cluster analysis
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49101-(S2) Master Thesis
Depositing User:	Mr. Tondo Indra Nyata
Date Deposited:	16 Jan 2023 03:39
Last Modified:	16 Jan 2023 03:39
URI:	http://repository.its.ac.id/id/eprint/95404

Actions (login required)

View Item