ANALISIS SENTIMEN TERHADAP DAMPAK COVID-19 PADA PERFORMA TOKOPEDIA MENGGUNAKAN SUPPORT VECTOR MACHINE

Dinda Tri Wisudawati(1*), Tiani Wahyu Utami(2), Prizka Rismawati Arum(3),

(1) Program Studi Statistika, Universitas Muhammadiyah Semarang
(2) 
(3) 
(*) Corresponding Author



Abstract


Tokopedia merupakan e-commerce populer di Indonesia. Hal tersebut didukung dengan rating Tokopedia yang tinggi pada Google Play. Diperlukan sebuah metode yang mampu mengkategorikan reviews pengguna secara otomatis, apakah tergolong ke dalam klasifikasi positif atau negatif. Analisis Sentimen menggunakan Support Vector Machine (SVM) merupakan metode yang digunakan.Konsep SVM merupakan usaha mencari hyperplane terbaik yang berfungsi sebagai pemisah dua buah kelas pada input space dengan memaksimalkan jarak antar kelas. Sehingga SVM dapat menjamin kemampuan generalisasi yang tinggi untuk data-data yang akan datang. Klasifikasi menggunakan SVM pada periode sebelum munculnya Covid-19 di Indonesia (Februari 2020) menghasilkan akurasi sebesar 87% dan 84% pada periode sesudah munculnya Covid-19 (April 2020). Hasil menunjukkan bahwa walaupun Covid-19 muncul di Indonesia, performa Tokopedia masih tetap terjaga dan pengguna masih tetap memberikan penilaian suka sekali.Hal ini dibuktikan dengan penurunan jumlah review negatif dari 43% pada Februari 2020 menjadi 27% pada April 2020.

 

Kata Kunci: Review, Google Play, Tokopedia, Support Vector Machine, Analisis Sentimen

Full Text:

PDF

References


Afifah, Faadilah. 2020. Analisis Sentimen pada Reviews Aplikasi Tokopedia di Google Play Store Menggunakan Metode Long Term Short Memory. Skripsi: Program Studi Matematika UIN Syarif Hidayatullah Jakarta.

APJII. 2018. Penetrasi & Perilaku Pengguna Internet Indonesia. https://apjii.or.id/survei2018. Akses, 10 Juni 2020.

Cortes, C., & V. Vapnik. 1995. Support Vector Networks Dalam Machine Learning Vol. 20, 273-297.

Darsyah, Moh. Yamin.2014. Klasifikasi Tuberkulosis dengan Pendekatan Metode Supports Vector Machine (SVM).Statistika, 2(2), 37-41.

Fatkhurokhman, Fauzi, Moh. Yamin D, Tiani Wahyu U. Klasifikasi Indeks Pembangunan Manusia Kabupaten/Kota se-Indonesia dengan Pendekatan Smooth Super Vector Machine (SSVM) Kernel Radial Basis Function (RBF). Semnas Pendidikan, Sains & Teknologi, UNIMUS. ISBN.978-602-61599-6-0.

Google Play. 2020. Tokopedia. https://play.google.com/store/apps/details?id=com.tokopedia.tkpd&hl=in_US&showAllReviews=true. Diakses, 7 Juni 2020.

Kompas. 2020. Update Virus Corona di Dunia. www.kompas.com. Diakses, 10 Juni 2020.

Kristiyanti, D.A.2015. Analisis Sentimen Review Produk Kosmetik MelaluiKomparasi Feature Selection.Bekasi.ISBN 978-602-72850-0-2.74.

Moraes, R., Valiati, J. F., & Gavião Neto, W. P. 2013. Document-level sentiment classification: An empirical comparison between SVM and ANN. Expert Systems with Applications, 40(2), 621–633. https://doi.org/10.1016/j.eswa.2012.07.05.

Onno, W. Purbo. 2017. Text Mining Analisis Medsos, Kekuatan Brand & Intelejen di Internet. Yogyakarta. Andi Yogyakarta.

Turban, E., King, D., Lee, J.K., Liang, T.-P., Turban, D.C. 2012. Elevtronic Commerce: A Mangerial and Social Networks. Perspective 8 th ed. Revised Edition. USA: Sringer. Wong, CK.

Wearesocial. 2020. Digital in 2020. https://wearesocial.com/digital-2020. Diakses 10 Juni 2020


Article Metrics

Abstract view : 77 times | PDF view : 17 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 Dinda Tri Wisudawati, Tiani Wahyu Utami, Prizka Rismawati Arum