Sentimen Analisis Aplikasi E-Commerce Berdasarkan Ulasan Pengguna Menggunakan Algoritma Stochastic Gradient Descent

Wilya Kurnia

Abstract


Tokopedia dan Shopee merupakan e-commerce yang banyak digunakan untuk melakukan jual beli barang dan bertransaksi online selama pandemi covid-19. Tokopedia dan Shopee juga menempati kategori aplikasi belanja paling populer di situs Google Play Store. Pada Google Play Store terdapat kolom ulasan yang memudahkan pengguna untuk memberikan review. Pentingnya review bagi perusahaan atau organisasi yaitu mengetahui persepsi dari pengguna untuk dijadikan bahan evaluasi. Review pengguna juga dapat dijadikan sebagai alat tolak ukur dalam pengambilan keputusan dan menemukan informasi terhadap suatu produk atau jasa.  Oleh karena itu, banyaknya review dari pengguna memerlukan sebuah metode yang dapat mengkategorikan review-review tersebut apakah termasuk review positif atau negatif. Sentimen analisis merupakan cara untuk menentukan dan mengelompokkan polaritas teks yang berisi tentang pendapat, opini, persepsi dan emosi. Metode klasifikasi yang dapat digunakan salah satunya ialah Stochastic Gradient Descent (SGD). SGD adalah metode klasifikasi text mining yang mampu untuk diterapkan pada data dengan jumlah yang besar. Hasil klasifikasi yang didapatkan untuk tokopedia menunjukkan nilai akurasi sebesar 84%, nilai presisi 87%, nilai recall 90%, dan untuk shopee menunjukkan nilai akurasi sebesar 66%, nilai presisi 65%, nilai recall 66%.

Full Text:

PDF

References


A. U. Hamdani, “MODEL E-COMMERCE DENGAN METODE WEB ENGINEERING METHOD UNTUK MENUNJANGPEMASARAN PRODUK PADA XYZ PET SHOP,” 2019.

S. A. Widiana, S. Sintaro, R. Arundaa, E. Alfonsius, and D. Lapihu, “Aplikasi Penjualan Baju Berbasis Web (E-Commerce) dengan Formulasi Penyusunan Kode,” J. Inf. Technol. Softw. Eng. Comput. Sci., vol. 1, no. 1 SE-Articles, pp. 35–43, Jan. 2023, doi: 10.58602/itsecs.v1i1.11.

D. I. Sensuse, R. J. Sipahutar, R. K. Jamra, and R. R. Suryono, “Challenges and Recommended Solutions for Change Management in Indonesian E-Commerce,” in 2020 International Conference on Information Technology Systems and Innovation (ICITSI), 2020, pp. 250–255.

H. Sulistiani, “Perancangan Dashboard Interaktif Penjualan (Studi Kasus: PT Jaya Bakery),” J. Tekno Kompak, vol. 12, no. 1, pp. 15–17, 2018.

H. Sulistiani, S. Setiawansyah, and D. Darwis, “Penerapan Metode Agile untuk Pengembangan Online Analytical Processing (OLAP) pada Data Penjualan (Studi Kasus: CV Adilia Lestari),” J. CoreIT J. Has. Penelit. Ilmu Komput. dan Teknol. Inf., vol. 6, no. 1, pp. 50–56, 2020.

S. Styawati, W. Yulita, and S. Sarasvananda, “SURVEY UKURAN KESAMAAN SEMANTIC ANTAR KATA,” J. Data Min. dan Sist. Inf., vol. 1, no. 1, pp. 32–37, 2020.

R. R. SURYONO and B. Indra, “P2P Lending sentiment analysis in Indonesian online news,” in Sriwijaya International Conference on Information Technology and Its Applications (SICONIAN 2019), 2020, pp. 39–44.

A. R. Isnain, N. S. Marga, and D. Alita, “Sentiment Analysis Of Government Policy On Corona Case Using Naive Bayes Algorithm,” IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 15, no. 1, pp. 55–64.

C. Colón-Ruiz, “Semi-Supervised Generative Adversarial Network for Sentiment Analysis of drug reviews.” Institute of Electrical and Electronics Engineers (IEEE), 2021. doi: 10.36227/techrxiv.17075054.

N. Neneng, A. S. Puspaningrum, and A. A. Aldino, “Perbandingan Hasil Klasifikasi Jenis Daging Menggunakan Ekstraksi Ciri Tekstur Gray Level Co-occurrence Matrices (GLCM) Dan Local Binary Pattern (LBP),” SMATIKA J., vol. 11, no. 01, pp. 48–52, 2021.

H. Sulistiani, “Pemilihan Fitur Untuk Klasifikasi Loyalitas Pelanggan Terhadap Merek Produkfast Moving Consumer Goods (Studi Kasus: Mie Instan).” Institut Teknologi Sepuluh Nopember Surabaya, 2016.

J. Leinonen, D. Nerini, and A. Berne, “Stochastic Super-Resolution for Downscaling Time-Evolving Atmospheric Fields with a Generative Adversarial Network,” pp. 1–14, 2020.

A. Putra, M. R. D. Susanto, and Y. Fernando, “Penerapan MDLC Pada Pembelajaran Aksara Lampung Menggunakan Teknologi Augmented Reality,” Chain J. Comput. Technol. Comput. Eng. Informatics, vol. 1, no. 2, pp. 32–43, 2023.

E. Alfonsius, S. W. C. Ngangi, and C. F. Lagimpu, “Sistem Informasi Layanan Surat Bebas Pustaka Pada Dinas Perpustakaan Dan Kearsipan Provinsi Sulawesi Tengah Berbasis Website,” J. Inf. Technol. Softw. Eng. Comput. Sci., vol. 1, no. 2, pp. 66–74, 2023.

Andris Silitonga and Dyah Ayu Megawaty, “Decision Support System Feasibility for Promotion using the Profile Matching Method,” J. Data Sci. Inf. Syst., vol. 1, no. 2 SE-Articles, pp. 50–56, May 2023, doi: 10.58602/dimis.v1i2.46.

A. F. Pasaribu, A. Surahman, A. T. Priandika, S. Sintaro, and Y. T. Utami, “Sistem Pendukung Keputusan Seleksi Penerimaan Guru Menggunakan SAW,” J. Artif. Intell. Technol. Inf., vol. 1, no. 1, pp. 13–19, 2023.




DOI: https://doi.org/10.33365/jtsi.v4i2.2561

Refbacks

  • There are currently no refbacks.


Copyright (c) 2023 : Wilya Kurnia

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

JURNAL Teknologi dan Sistem Informasi (JTSI)
Published by Universitas Teknokrat Indonesia
Organized by Prodi S1 Sistem Informasi FTIK Universitas Teknokrat Indonesia

W: http://jim.teknokrat.ac.id/index.php/sisteminformasi
E : jtsi@teknokrat.ac.id.
Jl. Zainal Abidin Pagaralam, No.9-11, Labuhan Ratu, Bandarlampung

Creative Commons License
Jurnal Teknologi dan Sistem Informasi is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.