Anggi Jiana Putri, Ardia Salsabila Syafira, M. E. Purbaya, Denny Purnomo
{"title":"Analisis Sentimen E-Commerce Lazada pada Jejaring Sosial Twitter Menggunakan Algoritma Support Vector Machine","authors":"Anggi Jiana Putri, Ardia Salsabila Syafira, M. E. Purbaya, Denny Purnomo","doi":"10.20895/trinistik.v1i1.447","DOIUrl":null,"url":null,"abstract":"E-commerce dapat mempermudah transaksi jual beli antara penjual dan pembeli melalui sebuah platform online. Perkembangan teknologi yang semakin cepat secara tidak langsung memaksa pengusaha untuk mengembangkan sayapnya melalui e-commerce. Lazada merupakan perusahaan e-commerce terbesar no. 4 yang ada di Indonesia. Bagi perusahaan sangat penting untuk mengetahui penilaian mengenai layanan yang mereka tawarkan. Salah satu media yang biasa digunakan untuk mengutarakan opini kita adalah melalui media sosial yang salah satunya adalah Twitter. Pendapat dan komentar tentang e-commerce Lazada di Twitter sangat beragam. Dalam rangka meningkatkan pelayanannya perusahaan maka perlu mengkaji pendapat publik terhadap e-commerce Lazada. Pendekatan yang dapat dilakukan untuk mengkaji pendapat publik adalah melalui analisis sentimen. Algoritma Support Vector Machine (SVM) diketahui dapat melakukan analisis sentimen dengan baik. Berdasarkan penelitian yang telah dilakukan, metode vader yang ada dalam library Orange Data Mining dapat membantu pelabelan dataset 300 tweet. Performa algoritma Support Vector Machine dalam proses training dan testing telah menghasilkan nilai accuracy, precision, recall dan F1 score diatas 80 %. Hasil analisis sentimen dari penelitian ini dapat digunakan sebagai tolak ukur untuk peningkatan layanan perusahaan dan memberikan wawasan kepada masyarakat.","PeriodicalId":32235,"journal":{"name":"Spektrum Industri Jurnal Ilmiah Pengetahuan dan Penerapan Teknik Industri","volume":"87 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2022-03-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Spektrum Industri Jurnal Ilmiah Pengetahuan dan Penerapan Teknik Industri","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.20895/trinistik.v1i1.447","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 1

摘要

电子商务可以通过一个在线平台促进买卖双方之间的交易。不断加速的技术发展迫使企业家通过电子商务发展自己的翅膀。Lazada是世界上最大的e-commerce公司。在印度尼西亚。对于公司来说,了解他们提供的服务的价值是至关重要的。通常用来表达我们观点的媒体之一是通过Twitter。关于e-commerce的评论和评论在Twitter上非常多样化。为了增加服务,公司需要审查公众对新兴市场的看法。我们可以通过情绪分析来检验公众的意见。众所周知,向量支持算法(SVM)可以很好地分析情绪。根据所进行的研究,维德在橙图书馆数据挖掘中的方法可以帮助我们在微博上对300条数据进行标记。在培训和测试过程中,矢量支持机的性能已经超过80%。本研究的情绪分析结果可作为增加企业服务和对公众见解的衡量标准。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
Analisis Sentimen E-Commerce Lazada pada Jejaring Sosial Twitter Menggunakan Algoritma Support Vector Machine
E-commerce dapat mempermudah transaksi jual beli antara penjual dan pembeli melalui sebuah platform online. Perkembangan teknologi yang semakin cepat secara tidak langsung memaksa pengusaha untuk mengembangkan sayapnya melalui e-commerce. Lazada merupakan perusahaan e-commerce terbesar no. 4 yang ada di Indonesia. Bagi perusahaan sangat penting untuk mengetahui penilaian mengenai layanan yang mereka tawarkan. Salah satu media yang biasa digunakan untuk mengutarakan opini kita adalah melalui media sosial yang salah satunya adalah Twitter. Pendapat dan komentar tentang e-commerce Lazada di Twitter sangat beragam. Dalam rangka meningkatkan pelayanannya perusahaan maka perlu mengkaji pendapat publik terhadap e-commerce Lazada. Pendekatan yang dapat dilakukan untuk mengkaji pendapat publik adalah melalui analisis sentimen. Algoritma Support Vector Machine (SVM) diketahui dapat melakukan analisis sentimen dengan baik. Berdasarkan penelitian yang telah dilakukan, metode vader yang ada dalam library Orange Data Mining dapat membantu pelabelan dataset 300 tweet. Performa algoritma Support Vector Machine dalam proses training dan testing telah menghasilkan nilai accuracy, precision, recall dan F1 score diatas 80 %. Hasil analisis sentimen dari penelitian ini dapat digunakan sebagai tolak ukur untuk peningkatan layanan perusahaan dan memberikan wawasan kepada masyarakat.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
审稿时长
12 weeks
期刊最新文献
Relationship between Demographic and Employment Parameters with Job Stress Among Employees of an Oil Field in Western Iran Monitoring Viscosity of Polymer Products on the Reactor Tank Using IoT-based NodeMCU Risk Management Framework Design Based on ISO 31000 and SCOR Model Risk and Reliability Improvement Analysis of Boiler System Using the Failure Mode Effect Analysis & Critical Analysis (FMECA) Method Market and Industrialization Opportunities of Rumah Unggul Sistem Panel Instan (RUSPIN) Technology Using Business Model Canvas
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1