Implementasi Support Vector Machine untuk Analisis Sentimen Terhadap Pengaruh Program Promosi Event Belanja pada Marketplace

Gientry Rachma Ditami, Eva Faja Ripanti, Herry Sujaini

Abstract


Tren belanja online membuat berbagai brand marketplace di Indonesia menerapkan strategi pemasaran terbaiknya untuk menarik minat pelanggan, salah satunya program promosi event belanja. Shopee dan Tokopedia merupakan dua brand marketplace teratas di Indonesia dengan pengunjung terbanyak berdasarkan data Similarweb tahun 2021. Pengalaman pengguna seputar promosi event belanja marketplace berlangsung di media sosial, salah satunya Twitter. Tujuan dari penelitian ini adalah membangun model analisis sentimen yang mampu mengklasifikasikan tweets masyarakat terkait dengan program promosi event belanja yang dilakukan oleh Shopee dan Tokopedia. Penelitian ini menggunakan data tweets pada periode yang telah ditentukan. Rangkaian text preprocessing yang dilakukan adalah case folding, tokenizing, filtering, normalisasi kata, dan stemming. Pembobotan kata menggunakan TF-IDF, Support Vector Machine sebagai algoritma pengklasifikasian, Grid Search untuk mencari parameter optimal, dan K-Fold Cross Validation serta Confusion Matrix untuk validasi dan pengujian model. Berdasarkan hasil analisis dan observasi, penelitian ini mengidentifikasi event belanja pada Shopee tanggal 25, flash sale, gratis ongkir, COD, tanggal kembar, dan Shopee 12.12. Sedangkan untuk Tokopedia tanggal 25, kejar diskon, bebas ongkir, COD, WIB, dan Tokopedia 12.12. Dari hasil pelabelan data, distribusi sentimen masyarakat untuk program promosi event belanja Tokopedia cenderung positif, Shopee cenderung negatif, dan sentimen masyarakat terhadap program promosi event belanja kedua marketplace didominasi oleh sentimen positif. Dari hasil pengujian, model yang menggunakan data set Shopee yaitu Skenario 3 dan Skenario 4 mendapat nilai akurasi tertinggi sebesar 72.12% dan 71.52%. Adapun dari hasil pencarian parameter terbaik menggunakan Grid Search meningkatkan nilai akurasi data set Tokopedia sebesar 1.44% dan data set Shopee sebesar 0.54%.


Keywords


Support Vector Machine; Grid Search; K-Fold Cross Validation; Analisis Sentimen; Twitter; Marketplace; Program Promosi Event Belanja

Full Text:

PDF

References


Similarweb, “Top Websites Ranking for Marketplace in Indonesia”, [Online]. Available: https://www.similarweb.com/top-websites/indonesia/category/e-commerce-and-shopping/marketplace/ [Accessed 28 Agustus 2021]

Statista, “Forecast of the number of Twitter users in Indonesia from 2017 to 2025”, [Online]. Available: https://www.statista.com/forecasts/1145550/twitter-users-in-indonesia [Accessed 28 Agustus 2021]

I. F. Rozi, S. H. Pramono, and E. H. Dahlan, “Implementasi Opinion Mining (Analisis Sentimen) untuk Ekstraksi Data Opini Publik pada Perguruan Tinggi,” Jurnal EECCIS, vol. 6, no. 1, pp 37-43, 2012.

Samsudiney, “Penjelasan Sederhana tentang Apa Itu SVM?,” [Online]. Available: https://medium.com/@samsudiney /penjel asan-sederhana-tentang-apa-itu-svm-149fec72bd02

Noviantho, S. M. Isa, dan L. Ashianti, “Cyberbullying Classification using Text Mining,” 1st International Conference on Informatics and Computational Sciences (ICICoS). pp 241-246, 2017.

E. Indrayuni, “Komparasi Algoritma Naive Bayes Dan Support Vector Machine Untuk Analisa Sentimen Review Film,” Journal of Computing and Information System (PILAR), vol. 14, No.2, pp 175-180, 2018.

F. F. Haranto and B. W. Sari,“Implementasi Support Vector Machine Untuk Analisis Sentimen Pengguna Twitter Terhadap Pelayanan Telkom Dan Biznet,” Jurnal PILAR Nusa Mandiri, vol. 15, no. 2, pp 171-176, 2019.

D. A. Agustina, S. Subanti, and E. Zukhronah, “Implementasi Text Mining Pada Analisis Sentimen Pengguna Twitter Terhadap Marketplace di Indonesia Menggunakan Metode Support Vector Machine,” Indonesian Journal of Applied Statistics, vol. 3, no. 2, pp 109-122, 2020.

I. Adiwijaya, “Text Mining dan Knowledge Discovery. Kolokium Bersama Komunitas Datamining Indonesia & Soft-Computing Indonesia”, Sept. 2006.

M. Hearst, “What Is Text Mining?,” SIMS, University of California, Berkeley. Oktober, 2003.

B. Liu, “Sentiment Analysis and Opinion Mining,” Morgan & Claypool Publishers, May 2012.

F. V. Sari and Wibowo, A, “Analisis Sentimen Pelanggan Toko Online JD.ID Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi,” Jurnal SIMETRIS, vol.10, pp 681-686, 2019.

S. C. M. de S Sirisuriya, “A Comparative Study on Web Scraping,” Proceedings of 8th International Research Conference, KDU, P. Nov. 2015

D. D. A. Yani, H. S. Pratiwi, and H. Muhardi, “Implementasi Web Scraping untuk Pengambilan Data pada Situs Marketplace,” Jurnal Sistem dan Teknologi Informasi, vol. 7, no.4, pp 257-262.

M. A. Fauzi, “Text Pre-Processing”, [Online]. Available: http://malifauzi.lecture.ub.ac.id/files/2016/02/Text-Pre-Processing.pdf. [Accessed 12 November 2021].

S. Jurniasih, E. F. Ripanti, and E. E. Pratama, “Implementasi Naive Bayes Classifier pada Opinion Mining Berdasarkan Tweets Masyarakat Terkait Kinerja Presiden dalam Aspek Ekonomi,” Jurnal Sistem dan Teknologi Informasi, vol. 8, no. 3, pp. 239-249, 2020.

P. M. Prihartini, “Implementasi Ekstraksi Fitur pada Pengolahan Dokumen Berbahasa Indonesia,” Jurnal Matrix, vol.6, no.3, pp 174-178, 2016.

F. S. Jumeilah, “Penerapan Support Vector Machine (SVM) untuk Pengkategorian Penelitian,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 1, no. 1, pp. 19 – 25, 2017.

A. Nurzahputra and M. A. Muslim, “Analisis Sentimen pada Opini Mahasiswa Menggunakan Natural Language Processing,” in Seminar Nasional Ilmu Komputer (SNIK 2016), Semarang, 2016.

S. Khairunnisa, A. Adiwijaya, and S. Al Faraby, “Pengaruh Text Preprocessing Terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter (Studi Kasus Pandemi COVID-19),” Jurnal Media Informatika Budidarma, vol. 5, no.2, pp 406-414, 2021.

A. S. Nugroho, A. B. Witarto, and D. Handoko, “Support Vector Machine Teori dan Aplikasinya dalam Bioinformatika”, [Online]. Available: https://asnugroho.net/papers/ikcsvm.pdf [Accessed 14 November 2021]

A. Widjaya, L. Hiryanto, and T. Handhayani, “Prediksi Masa Studi Mahasiswa Dengan Voting Feature Interval 5 Pada Aplikasi Konsultasi Akademik Online,” Journal of Computer Science and Information Systems, vol.1, pp 25-33, 2017.

L. Sa’adah, “Analisis Sentimen Review E-Commerce pada Twitter Menggunakan dan Metode Klasifikasi Support Vector Machine. Tel-U Collection”, [Online]. Available: https:/ /repository.telkomuniversity. ac.id/pustaka/158487/analisis-sentimen-review-e-commerce-pada-twitte r-menggunakan-metode-klasifikasi-support-vector-machine.html. [Accessed 14 November 2021]

D. Iskandar and Y. K. Suprapto, “Perbandingan Akurasi Klasifikasi Tingkat Kemiskinan Antara Algoritma C 4.5 Dan Naïve Bayes,” Jurnal Ilmiah NERO, vol. 2, no.1, pp 37-43, 2015.

M. F. Sanner, “Python: A Programming Language for Software Integration and Development”, [Online]. Available: https://t.ly/9dpq [Accessed 20 November 2021]

D. Khulman, “A Python Book: Beginning Python, Advanced Python, and Python Exercises”, [Online]. Available: https://web.arch ive.org /web/20120623165941/ http://cutter.rexx.com/~dkuhlman/python_book_01.html#part-1-beginning-python. [Accessed 14 November 2021]

H. Basri, “Peran Media Sosial Twitter dalam Interaksi Sosial Pelajar Sekolah Menengah Pertama di Kota Pekanbaru (Studi Kasus Pelajar SMPN 1 Kota Pekanbaru),” Jom FISIP, vol.4, no. 2, pp 1-15, 2017.

D. Apriadi and A. Y. Saputra, “E-Commerce Berbasis Marketplace dalam Upaya Mempersingkat Distribusi Penjualan Hasil Pertanian,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol.1, no.2, pp 131-136, 2017.

L. Adriani, H. Sujaini, and Tursina, “Implementasi Sentiment Analysis Tanggapan Masyarakat Terhadap Pembangunan di Kota Pontianak,” Jurnal Sistem dan Teknologi Informasi, vol. 8, no. 2, pp. 183-190, 2019




DOI: http://dx.doi.org/10.26418/jp.v8i3.56478

Refbacks

  • There are currently no refbacks.