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.
Halaman Depan.pdf
Download (1MB)
Abstrak.pdf
Download (309kB)
Bab 1.pdf
Download (253kB)
Bab II.pdf
Restricted to Registered users only
Download (601kB)
Bab III.pdf
Restricted to Registered users only
Download (476kB)
Bab IV.pdf
Restricted to Registered users only
Download (829kB)
Bab v.pdf
Restricted to Registered users only
Download (109kB)
Daftar Pustaka.pdf
Download (342kB)
Lampiran.pdf
Restricted to Registered users only
Download (948kB)
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.
| Dosen Pembimbing: | Zakiyyah, Amalina Maryam and Fitriyah, Nur Qodariyah | nidn0727058705, nidn0727097501 |
|---|---|
| Item Type: | Thesis (Undergraduate) |
| Keywords/Kata Kunci: | 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 | zaenabkurnia1@gmail.com |
| Date Deposited: | 12 Jul 2024 03:55 |
| Last Modified: | 12 Jul 2024 03:55 |
| URI: | https://repository.unmuhjember.ac.id/id/eprint/21441 |
