Noor Yuliana Dewi (2024) ANALISIS SENTIMEN PRODUK SKINTIFIC CERAMIDE MOISTURIZER PADA MARKETPLACE MENGGUNAKAN SUPPORT VECTOR MACHINE. PROGRAM STUDI SARJANA SISTEM INFORMASI FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SARI MULIA BANJARMASIN 2024.
Text
NOOR YULIANA DEWI_FINAL SKRIPSI - nooryuliana Dewi.pdf Download (1MB) |
Abstract
Perkembangan teknologi yang semakin cepat memaksa pengusaha ritel untuk mengarahkan pemasaran dan penjualan melalui e-commerce. Shopee dan Tokopedia adalah dua marketplace besar di Indonesia yang banyak diminati oleh pengguna untuk transaksi jual beli produk skincare, termasuk produk Skintific Ceramide Moisturizer. Tujuan: Penelitian ini bertujuan untuk menganalisis efektivitas penggunaan analisis sentimen terhadap ulasan pengguna produk Skintific, membandingkan hasil analisis sentimen positif dan negatif, serta menganalisis pengaruh sentimen positif terhadap penjualan produk. Metode: Metode yang digunakan dalam penelitian ini adalah Support Vector Machine (SVM) untuk menganalisis sentimen dari ulasan pengguna di Shopee dan Tokopedia. Data ulasan yang digunakan adalah data sekunder dari dua tahun terakhir (2022-2023), dengan total 1.048 ulasan dari Shopee dan 1.061 ulasan dari Tokopedia. Hasil: Hasil analisis menunjukkan bahwa model SVM dengan kernel linear untuk Shopee mencapai akurasi 82.85%, sedangkan model SVM dengan kernel RBF untuk Tokopedia mencapai akurasi 84.03%. Distribusi sentimen di Shopee menunjukkan 55.2% komentar positif dan 44.8% komentar negatif, sementara di Tokopedia, 50.1% komentar positif dan 49.9% komentar negatif. Simpulan: Simpulan dari penelitian ini adalah bahwa penggunaan SVM efektif untuk analisis sentimen pada ulasan produk Skintific, dengan hasil menunjukkan bahwa model SVM lebih akurat dalam mengklasifikasikan sentimen dibandingkan metode lain. Selain itu, sentimen positif memiliki pengaruh signifikan terhadap penjualan produk di kedua platform e-commerce.
Item Type: | Skripsi |
---|---|
Kata Kunci Tidak Terkontrol: | analisis sentimen, e-commerce, skintific, support vector machine, ulasan pengguna. |
Subjects: | T Technology > T Technology (General) |
Fakultas: | FAKULTAS SAINS DAN TEKNOLOGI |
Pengguna Penyetoran: | Rahman Perpustakaan UNISM |
Tanggal Setoran: | 25 Nov 2024 02:42 |
Last Modified: | 25 Nov 2024 02:42 |
URI: | http://repository.unism.ac.id/id/eprint/3381 |
Actions (login required)
View Item |