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.

[thumbnail of 5212100177-Undergraduate_Thesis.pdf]
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. Querying (Computer science)
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