Analisis Sentimen Masyarakat Berdasarkan Komentar Kerja Sama Tiktok Shop dan Tokopedia di Instagram Menggunakan Metode Naïve Bayes Classifier

Kurnia, Zaenab (2024) Analisis Sentimen Masyarakat Berdasarkan Komentar Kerja Sama Tiktok Shop dan Tokopedia di Instagram Menggunakan Metode Naïve Bayes Classifier. Undergraduate thesis, Universitas Muhammadiyah Jember.

	Text Halaman Depan.pdf Download (1MB)
	Text Abstrak.pdf Download (309kB)
	Text Bab 1.pdf Download (253kB)
	Text Bab II.pdf Restricted to Repository staff only Download (601kB) | Request a copy
	Text Bab III.pdf Restricted to Repository staff only Download (476kB) | Request a copy
	Text Bab IV.pdf Restricted to Repository staff only Download (829kB) | Request a copy
	Text Bab v.pdf Restricted to Repository staff only Download (109kB) | Request a copy
	Text Daftar Pustaka.pdf Download (342kB)
	Text Lampiran.pdf Restricted to Repository staff only Download (948kB) | Request a copy

Abstract

Kembalinya Tiktok Shop dan berkolaborasi dengan Tokopedia menyita perhatian masyarakat. Hal ini ditandai dengan, postingan kerjasama antar keduanya di instagram yang dibanjiri berbagai komentar. Penelitian ini bertujuan untuk melakukan analisis sentimen untuk mengetahui penerimaan masyarakat dan sebagai strategi pengembangan kerjasama keduanya. Metode Naïve Bayes Classifier digunakan untuk menganalisis 641 data komentar dari periode 11 Desember 2023 hingga 11 Februari 2024. Hasilnya menunjukkan komposisi sentimen positif, negatif, netral, dan data tidak terklasifikasi serta akurasi, presisi, dan recall model. Ditemukan bahwa dari 641 data, 269 data sentimen netral, 194 data sentimen negatif, 176 data sentimen positif, dan 437 data tidak terklasifikasi. Model Naïve Bayes Classifier dengan teknik oversampling mencapai akurasi 83%, presisi 81%, dan recall 93%. Kata kunci: Analisis sentimen, Tiktok Shop, Naïve Bayes Classifier.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Analisis sentimen, Tiktok Shop, Naïve Bayes Classifier.
Subjects:	000 Computer Science, Information, & General Works 000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science
Divisions:	Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User:	Zaenab Kurnia
Date Deposited:	12 Jul 2024 03:55
Last Modified:	12 Jul 2024 03:55
URI:	http://repository.unmuhjember.ac.id/id/eprint/21441

Actions (login required)

View Item