UDiNus Repository

Analisis Sentimen untuk Menilai Pelayanan Situs Belanja Online pada Twitter Menggunakan K-Means Clustering dan Naive Bayes Classifier

DIAN, ARTANTI PUTRI (2017) Analisis Sentimen untuk Menilai Pelayanan Situs Belanja Online pada Twitter Menggunakan K-Means Clustering dan Naive Bayes Classifier. Skripsi,Fakultas Ilmu Komputer.

[img]
Preview
PDF
Download (3988b) | Preview

    Abstract

    Situs belanja online atau e-commerce merupakan tempat belanja yang saat ini digemari masyarakat karena menawarkan berbagai kemudahan. Sebagian masyarakat puas dengan pelayanan yang diberikan situs belanja online yang mereka pilih dan sebagian lagi tidak. Respon yang diberikan konsumen tentang pelayanan situs belanja online biasanya di ungkapkan melalui media sosial salah satunya adalah twitter. Melalui postingan opini di twitter dapat dibuat sentimen analisis agar masyarakat tidak salah pilih situs belanja online untuk berbelanja di masa depan. Langkah pertama yang dilakukan adalah pre-processing pada data yang meliputi cleansing data, case folding, tokenizing, case normalization, stop word, convert negation dan stemming kemudian proses pemberian kelas pada data dengan metode clustering. K-Means adalah algoritma yang digunakan untuk clustering karena mudah diimplementasikan. Setelah data mempunyai kelas yaitu kelas positif dan negatif selanjutnya dilakukan proses klasifikasi dengan 800 untuk data pelatihan dan 400 untuk data pengujian yang kelasnya dihiraukan. Proses klasifikasi menggunakan metode Naïve Bayes Classifier (NBC) menunjukkan akurasi yang tinggi yaitu sebesar 91.25% setelah melakukan 8 kali percobaan dengan menggunakan 8-fold cross validation dengan masing-masing fold berisi 150 data.

    Item Type: Article
    Subjects: T Technology > Teknik Informatika
    Universitas Dian Nuswantoro > Fakultas Ilmu Komputer > Teknik Informatika
    Divisions: Fakultas Ilmu Komputer
    Depositing User: Psi Udinus
    Date Deposited: 13 Dec 2017 16:55
    Last Modified: 13 Dec 2017 16:55
    URI: http://eprints.dinus.ac.id/id/eprint/23253

    Actions (login required)

    View Item