SENTIMENT ANALYSIS ONLINE SHOP ON THE PLAY STORE USING METHOD SUPPORT VECTOR MACHINE (SVM)

Muhammad Iqbal Ahmadi, Fuji Apriani, Mia Kurniasari, Siti Handayani, Dudih Gustian

Abstract


Abstract
Online shopping activities have become a necessity for today's society, where now more people choose to shop online rather than offline. The growth of shopping through E-commerce continues to show an increasing trend. It is important for companies to know the public's response to the products or services they offer. Responses from the public can affect the image of a company, there are positive and negative responses from the public. If a lot of products or services give negative responses, a company or service will be badly rated by users and can affect the company. However, to monitor or classify responses from the public is not easy, because the numbers are too large to be processed manually. In this study the authors will use the Support Vector Machine method to classify the positive and negative responses of users on online shopping applications on the Google play store. In this study, the authors used 10 fold cross validation as an evaluation model with 3,000 reviews and 1500 training data. 300 reviews were taken from each application as testing data. This research uses the support vector machine method which produces the application with the highest level of accuracy is Tokopedia with accuracy values, namely Tokopedia 90.67%, JD.ID 75.33%, Blibli 74.00%, Shopee 70.00%, Lazada 69.00% .
Keywords : Google Play Store, Support Vector Machine, Sentimen Analysis


Abstrak- Aktifitas belanja online telah menjadi kebutuhan masyarakat saat ini, dimana sekarang lebih banyak masyarakat memilih belanja online daripada offline. Pertumbuhan belanja melalui E-commerce terus menunjukan tren meningkat. Penting bagi perusahaan untuk mengetahui tanggapan publik mengenai produk atau layanan yang meraka tawarkan. Tanggapan dari publik dapat mempengaruhi citra dari sebuah perusahaan, tanggapan dari publik tersebut ada positif dan negatif. Jika dari sebuah Produk atau layanan banyak yang memberi tanggapan negatif maka sebuah perusahaan atau layanan akan di nilai buruk oleh para pengguna dan dapat mempengaruhi pada perusahaan tersebut. Akan tetapi untuk memantau atau mengklasifikasi tanggapan dari publik bukanlah hal yang mudah, karena jumlah yang terlalu banyak jika diproses secara manual. Dalam penelitian ini penulis akan menggunakan metode Support Vector Machine untuk mengklasifikasi tanggapan positif dan negatif para pengguna pada aplikasi belanja online di Google play store. Dalam penelitian ini penulis menggunakan 10 fold cross validation sebagai model evaluasi dengan data berjumlah 3.000 ulasan, sebagai data training sebanyak 1500. yang diambil dari masing-masing aplikasi sebanyak 300 ulasan sebagai data testing. penelitian ini menggunakan metode support vector machine yang menghasilkan aplikasi dengan tingkat akurasi paling tinggi adalah Tokopedia dengan nilai akurasi yaitu Tokopedia 90,67% , JD.ID 75,33%, Blibli 74.00%, Shopee 70,00%, Lazada 69,00%.
Kata Kunci : Google Play Store, Support Vector Machine, Analisis Sentimen


Keywords


Google Play Store; Support Vector Machine; Sentimen Analysis

Full Text:

PDF

References


Cahyono, Y. (n.d.). ANALISIS SENTIMENT PADA SOSIAL MEDIA TWITTER MENGGUNAKAN NAЇVE BAYES CLASSIFIER DENGAN FEATURE SELECTION PARTICLE SWARM OPTIMIZATION DAN TERM FREQUENCY. 14–19.

Herlinawati, N., Yuliani, Y., Faizah, S., & Gata, W. (2020). ANALISIS SENTIMEN ZOOM CLOUD MEETINGS DI PLAY STORE MENGGUNAKAN NAÏVE BAYES DAN SUPPORT VECTOR MACHINE. 5(2), 293–298.

Pangkey, M., Poekoel, V., Lantang, O., Informatika, T., & Ratulangi, U. S. (2016). Sistem Pakar Pendeteksi Kerusakan Handphone Berbasis Android. 8(1).

Polinema, J. I., Machine, S. V., Vector, S., Machine, S. V., Analysis, T. S., Machine, S. V., Vector, S., & Analysis, S. (2016). IMPLEMENTASI TWITTER SENTIMENT ANALYSIS UNTUK REVIEW FILM MENGGUNAKAN ALGORITMA SUPPORT. 93–100.

Sarjana, P. P., Elektro, J. T., & Industri, F. T. (2015). SENTIMENT ANALYSIS MENGGUNAKAN QQQWWQQQQQQQSUPPORT VECTOR MACHINE ( SVM ) SENTIMENT ANALYSIS USING SUPPORT VECTOR MACHINE ( SVM ).

Fauzi, M. A. (2018). Analisis Sentimen Review Barang Berbahasa Indonesia Dengan Metode Support Vector Machine Dan Query Expansion Automatic Essay Scoring View project Twitter Sentiment Analysis View project.

Gani, N. S. dkk. (2020). KOMUNIKASI, COVID 19 DALAM BINGKAI (T. Bahfiarti (ed.)). IAIN Parepare Nusantara Press.

Gheytasi, M., Azizifar, A., & Gowhary, H. (2015). The Effect of Smartphone on the Reading Comprehension Proficiency of Iranian EFL Learners. Procedia - Social and Behavioral Sciences, 199(June), 225–230.

Giovani, A. P., Ardiansyah, A., Haryanti, T., Kurniawati, L., & Gata, W. (2020). Analisis Sentimen Aplikasi Ruang Guru Di Twitter Menggunakan Algoritma Klasifikasi. Jurnal Teknoinfo, 14(2), 115.

Mujilahwati, S. (2016). Pre-Processing Text Mining Pada Data Twitter. Seminar Nasional Teknologi Informasi Dan Komunikasi, 2016(Sentika), 2089–9815.

Santoso, V. I., Virginia, G., & Lukito, Y. (2017). Penerapan Sentiment Analysis Pada Hasil Evaluasi Dosen Dengan Metode Support Vector Machine. Jurnal Transformatika, 14(2), 72.

Simanihuruk, L. dkk. (2019). E-Learning: Implementasi, Strategi dan Inovasinya (T. Limbong (ed.)). Yayasan Kita Menulis.

Widiastuti, N. I., Rainarli, E., & Dewi, K. E. (2017). Peringkasan dan Support Vector Machine pada Klasifikasi Dokumen. Jurnal Infotel, 9(4), 416.


Refbacks

  • There are currently no refbacks.