KLASIFIKASI REVIEW CUSTOMER DI E-COMMERCE BUKALAPAK MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)
IVANIA NONITA CHRISDIYANTI

Informasi Umum

Kode

23.04.479

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning, Vector Analysis,

Dilihat

319 kali

Informasi Lainnya

Abstraksi

<p>Teknologi saat ini berjembang pesat ke arah digital. Kemajuan teknologi, komputer, dan telekomunikasi telah mendukung perkembangan teknologi internet. Bukalapak menempati urutan ketiga dalam top 10 <i>e-commerce</i> Indonesia yang dikeluarkan oleh Iprice Insight. Dengan adanya pemeringkatan tersebut, pihak Bukalapak dapat meningkatkan kualitas dan kuantitas layanannya dengan cara mengetahui hasil <i>customer review</i> sehingga nantinya layanan yang diberikan kepada <i>customer</i> akan semakin baik dan dapat meningkatkan pemeringkatan. <i>Review</i> dari <i>customer</i> Bukalapak terlalu banyak sehingga sulit dan membutuhkan waktu yang lama dalam mengklasifikasi dan menganalisis <em>customer review</em> jika dilakukan dengan cara manual. Oleh karena itu, dibutuhkan suatu metode yang dapat mengklasifikasikan <em>customer review</em>. Metode yang digunakan untuk mengkasifikasikan <em>review</em> adalah Support Vector Machine. <em>Review</em> tersebut nantinya akan diklasifikasi menjadi dua jenis yaitu <em>positive review</em> dan <em>negative </em>     <em>review.</em>Tahapan untuk melakukan klasifikasi pada penelitian ini adalah <em>preprocessing</em> data, ekstraksi fitur dengan TF-IDF, analisis SVM, dan evaluasi.Terdapat 3 skenario yang digunakan dalam penelitian ini, yaitu perbandingan <em>training</em> <em>testing</em> 60:40, 70:30, dan 80:20. Hasil klasifikasi dengan SVM dan fungsi kernel linier pada data <em>training</em> menunjukkan bahwa ketiga rasio mempunyai akurasi di atas 80%,  yaitu sebesar 89,12% untuk rasio 60:40, 89,05% untuk rasio 70:30, 89,07% untuk rasio 80:20. Dari ketiga rasio tersebut, model terbaik yang dibentuk oleh SVM adalah rasio 60:40. Evaluasi dari model terbaik dari SVM didapatkan akurasi sebesar 85%,<em> Recall </em>sebesar 79%, <em>Precision</em> 89%, dan <em>F1-Score</em> sebesar 84%. Hasil dari K-Fold Cross Validation dengan 10 Fold menunjukkan hasil yang tidak jauh berbeda dari evaluasi yaitu rata-rata sebesar 84%. Hasil klasifikasi kategori positif dapat dijadikan acuan untuk mempertahankan kualitas layanan dan hasil klasifikasi negatif dapat digunakan sebagai bahan evaluasi dalam meningkatkan layanan di Bukalapak</p>

<p><strong>Kata kunci: <em>Customer review</em>, Klasifikasi, SVM, Kernel linear</strong></p>

• ISI4H3 - ANALITIKA DATA
• ISI4G3 - PENAMBANGAN DATA

Koleksi & Sirkulasi

Seluruh 1 koleksi sedang dipinjam

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook