Analisis Sentimen Kepuasan Konsumen E-Commerce Tiktok Shop Menggunakan Metode Naive Bayes

Authors

  • Hotmaini Hasibuan Institut Teknologi dan Sains Padang Lawas Utara , Indonesia
  • Richi Andrianto Institut Teknologi dan Sains Padang Lawas Utara , Indonesia
  • Perra Budiarti Rahayu Putri Institut Teknologi dan Sains Padang Lawas Utara , Indonesia

Keywords:

Naive Bayes, Pertambangan Teks, Setimen Analisis, Tiktok Shop

Abstract

Saat ini TikTok sebagai media sosial terpopuler dan terbanyak penggunanya di dunia menambahkan fiturnya yaitu fitur pembelanjaan online yang dikenal dengan TikTok Shop. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap fitur TikTok Shop dengan menggunakan Twitter sebagai sumber data. Menerapkan algoritma NaiveBayesClassifier (NBC) dan K-NearestNeighbor (KNN) dan Pembagian data menggunakan 10-Fold CrossValidation. Berdasarkan hasil analisis yang telah dilakukan, langkah-langkah yang sudah dilakukan yaitu mengumpulkan data dengan menggunakan teknik web scraping pada tik tok, hal ini menghasilkan kurang lebih 1000 data mentah, yang kemudian diproses lebih lanjut untuk menghasilkan kurang lebih 999 data berkualitas tinggi. Performa Algoritma Naïve Bayes dengan menggunakan teknik pembagian data, yang mendapatkan hasil akurasi sebesar 84%. Berdasarkan hasil penelitian yang telah selesai dilakukan, menunjukkan bahwa hasil dari metode Naïve Bayes menghasilkan akurasi yang paling baik, maka dapat disimpulkan bahwa user experience dari pengguna tik tok yang memberikan feedback pada aplikasi kurang baik dengan tingkat akurasi sebesar 84%, recall sebesar 97%, dan f1-score sebesar 90%.

Downloads

Published

09-08-2024

How to Cite

Hasibuan, H., Andrianto, R., & Putri, P. B. R. (2024). Analisis Sentimen Kepuasan Konsumen E-Commerce Tiktok Shop Menggunakan Metode Naive Bayes. Jurnal Pendidikan Tambusai, 8(2), 33941–33950. Retrieved from http://jptam.org/index.php/jptam/article/view/18809

Issue

Vol. 8 No. 2 (2024)

Section

Articles of Research

Citation Check

License

Copyright (c) 2024 Hotmaini Hasibuan

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:

  • Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work’s authorship and initial publication in this journal.
  • Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  • Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).