Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Scientica: Jurnal Ilmiah Sains dan Teknologi
Rubhasy , Albar
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Social Sciences Other

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Scientica: Jurnal Ilmiah Sains dan Teknologi

 1 
ANALISIS SENTIMEN TERHADAP PENUTUPAN TIKTOK SHOP MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER PADA MEDIA SOSIAL X Faradian, Havadz; Rubhasy , Albar; Wijaya, Yunan Fauzi
Scientica: Jurnal Ilmiah Sains dan Teknologi Vol. 2 No. 4 (2024): Scientica: Jurnal Ilmiah Sains dan Teknologi
Publisher : Komunitas Menulis dan Meneliti (Kolibi)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.572349/scientica.v2i4.1207

Abstract

Pemanfaatan teknologi informasi telah berkembang pesat, terutama dengan kemunculan media sosial yang memungkinkan masyarakat untuk menyampaikan pendapat secara tak terbatas. Salah satu platform microblogging yang memfasilitasi pengguna dalam berbagi pendapat, emosi, pengalaman, dan topik menarik lainnya adalah X. Di X, beragam topik dibahas oleh pengguna, termasuk tentang penutupan TikTok Shop, sebuah fitur baru dalam dunia belanja yang mencakup berbagai proses mulai dari proses pembelian hingga pengiriman dapat dilakukan tanpa harus menggunakan platform lain. Penelitian pun dilakukan untuk menguji dampak kegunaan yang dirasakan, kemudahan penggunaan yang dirasakan, dan kesesuaian dengan gaya hidup terhadap keinginan membeli melalui perdagangan sosial. Terdapat berbagai sentimen di masyarakat terkait program ini, sehingga klasifikasi pendapat berdasarkan sentimennya diperlukan untuk mengetahui kecenderungan opini terhadap penutupan TikTok Shop, apakah positif atau negatif. Dalam analisisnya, data diperoleh melalui proses scraping menggunakan bahasa pemrograman Python. Sebanyak 253 data berhasil dikumpulkan dari proses scraping, yang kemudian melalui tahap preprocessing seperti cleansing, case folding, tokenizing, normalisasi, filtering, dan stemming.
Co-Authors Faradian, Havadz Wijaya, Yunan Fauzi