Komparasi Model Support Vector Machine dan IndoBERT dalam Analisis Sentimen dan Emosi pada Ulasan Produk Tokopedia

Aliv, Aldrian (2025) Komparasi Model Support Vector Machine dan IndoBERT dalam Analisis Sentimen dan Emosi pada Ulasan Produk Tokopedia. Tugas Akhir (S1) - thesis, Universitas Bakrie.

	Text (Cover) 00. Cover.pdf - Accepted Version Download (729kB)
	Text (BAB I-III) 01. BAB I-III.pdf - Accepted Version Restricted to Registered users only Download (721kB) | Request a copy
	Text (BAB IV) 02. BAB IV.pdf - Accepted Version Restricted to Registered users only Download (714kB) | Request a copy
	Text (BAB V) 03. BAB V.pdf Restricted to Registered users only Download (224kB) | Request a copy
	Text (DAFTAR PUSTAKA) 04. DAFTAR PUSTAKA.pdf - Accepted Version Download (196kB)
	Text (DAFTAR LAMPIRAN) 05. LAMPIRAN.pdf - Accepted Version Restricted to Registered users only Download (277kB) | Request a copy

Abstract

Perkembangan teknologi telah mendorong pertumbuhan e-commerce di Indonesia, seiring dengan meningkatnya penetrasi internet yang mencapai 79,5% pada tahun 2024. Namun,dinamika e-commerce juga memunculkan tantangan berupa kebutuhan untuk mengolah informasi dari ulasan produk secara efisien. Ulasan produk memainkan peran penting dalam memengaruhi keputusan pembelian, tetapi analisis manual terhadap ulasan memerlukan waktu yang lama dan usaha yang besar. Oleh karena itu, analisis sentimen dan emosi berbasis teknologi machine learning dan deep learning menjadi solusi potensial untuk mengatasi permasalahan tersebut. Penelitian ini bertujuan untuk membandingkan kinerja model IndoBERT dan Support Vector Machine (SVM) dalam menganalisis sentimen dan emosi pada ulasan produk e-commerce menggunakan dataset PRDECT-ID. Hasil menunjukkan bahwa model SVM dengan fitur n-gram dan parameter terbaik (C=10, kernel='rbf', gamma=1 untuk sentimen, dan C=10, kernel='rbf', gamma=0.1 untuk emosi) menghasilkan akurasi uji sebesar 95,00% untuk sentimen dan 60,57% untuk emosi. Di sisi lain, model IndoBERT memberikan performa terbaik dengan akurasi 97% untuk sentimen (learning rate 2e-5) dan 67% untuk emosi (learning rate 5e-5). Penelitian ini menyimpulkan bahwa model IndoBERT unggul dalam hal akurasi untuk klasifikasi sentimen maupun emosi. Namun, model SVM tetap menunjukkan performa yang relatif sama dengan IndoBERT, terutama pada klasifikasi sentimen dengan representasi fitur n-gram.

Item Type:	Thesis (Tugas Akhir (S1) - )
Uncontrolled Keywords:	Analisis Sentimen, Analisis Emosi, Support Vector Machine, IndoBERT, Machine Learning
Subjects:	Computer Science > Computer - Software Computer Science > Informatics Computer Science > Information analysis Thesis > Thesis (S1)
Divisions:	Fakultas Teknik dan Ilmu Komputer > Program Studi Sistem Informasi
Depositing User:	Aldrian Aliv
Date Deposited:	26 Aug 2025 03:27
Last Modified:	26 Aug 2025 03:27
URI:	https://repository.bakrie.ac.id/id/eprint/11916

Actions (login required)

View Item