ANALISIS SENTIMEN LAYANAN SHOPEEFOOD PADA MEDIA SOSIAL TWITTER MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER

NILATIL MOENA, . (2023) ANALISIS SENTIMEN LAYANAN SHOPEEFOOD PADA MEDIA SOSIAL TWITTER MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (176kB)
	Text BAB 2.pdf Restricted to Registered users only Download (345kB) | Request a copy
	Text BAB 3.pdf Restricted to Registered users only Download (634kB) | Request a copy
	Text BAB 4.pdf Restricted to Registered users only Download (927kB) | Request a copy
	Text BAB 5.pdf Restricted to Registered users only Download (100kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Download (241kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Download (710kB) | Request a copy

Abstract

Shopee mulai memperkenalkan layanan pesan antar makanan bernama ShopeeFood di Indonesia sejak April 2020. Setiap layanan pasti memiliki kelebihan dan kekurangan, karena setiap pelanggan memiliki pengalaman yang berbeda selama menggunakan layanan. Opini pengguna terkait layanan biasanya disampaikan melalui media sosial, seperti Twitter. Berdasarkan penjabaran tersebut, maka penelitian ini dilakukan untuk menganalisis sentimen pengguna layanan ShopeeFood dengan metode Naïve Bayes Classifier. Proses pengumpulan data dilakukan dengan cara crawling berupa data opini publik pada media sosial Twitter atau disebut juga dengan tweet. Tweet yang diambil dalam penelitian ini adalah tweet yang menyertakan ‘@shopeefood_id’ atau ‘shopeefood’ sebagai kata kunci, mulai tanggal 15 Juli 2022 hingga 22 Juli 2022, dan 16 September 2022 hingga 23 September 2022. Dataset yang terkumpul bersifat tidak seimbang, sehingga diterapkan metode SMOTE (Synthetic Minority Oversampling Technique). Hasilnya penerapan SMOTE + Naïve Bayes terbukti mampu menangani ketidakseimbangan kelas pada dataset yang digunakan dengan menghasilkan nilai akurasi yang lebih tinggi dibandingkan dengan Naïve Bayes saja. Hal tersebut membuktikan bahwa metode SMOTE efektif meningkatkan performa klasifikasi data tidak seimbang. Shopee started introducing a food delivery service called ShopeeFood in Indonesia since April 2020. Each service definitely has advantages and disadvantages, because each customer has a different experience while using the service. User opinions regarding services are usually conveyed through social media, such as Twitter. Based on this description, this research was conducted to analyze the sentiments of ShopeeFood service users using the Naïve Bayes Classifier algorithm. The data is collected through crawling public opinion data on Twitter. Tweets captured in this research are tweets that include '@shopeefood_id' or 'shopeefood' as keywords, from July 15, 2022 to July 22, 2022, and September 16, 2022 to September 23, 2022. The collected dataset is imbalanced, so the SMOTE (Synthetic Minority Oversampling Technique) method is applied to handle class imbalances. The result of the research shows that the SMOTE method, when combined with Naïve Bayes, produces higher accuracy compared to Naïve Bayes only. This proves that the SMOTE method is effective in improving the performance of unbalanced data classification.

Item Type:	Thesis (Sarjana)
Additional Information:	1). Dr. Ria Arafiyah, M.Si. 2). Drs. Mulyono, M.Kom.
Subjects:	Sains > Matematika > Ilmu Komputer
Divisions:	FMIPA > S1 Ilmu Komputer
Depositing User:	Users 18043 not found.
Date Deposited:	28 Mar 2023 00:46
Last Modified:	28 Mar 2023 00:46
URI:	http://repository.unj.ac.id/id/eprint/38734

Actions (login required)

View Item