<![CDATA[Terdapat pertumbuhan jumlah dan prevalensi belanja online. Teknologi belanja online memungkinkan pembeli memberikan umpan balik pasca pembelian (komentar dan ulasan) mengenai aplikasi itu sendiri dan aspek-aspek lain dari produk. Umpan balik ini dapat bermanfaat bagi pelanggan dan bisnis. Namun demikian, menyortir, mengkategorikan, dan membaca begitu banyak ulasan secara manual membutuhkan waktu. Analisis sentimen dapat menyelidiki perilaku, pendapat, dan emosi pelanggan melalui komentar/ulasan teks. Pada penelitian ini, Sistem Analisis Sentimen dikembangkan untuk membantu menentukan sentimen dari setiap ulasan dengan menampilkan visualisasi yang menarik dari hasil analisis melalui diagram lingkaran, frekuensi kemunculan kata, dan persentase probabilitas setiap kelas sentimen-positif, netral, dan negatif. Sistem Analisis Sentimen menggunakan model pengklasifikasi ensemble learning dengan algoritma SVM, KNN, dan Random Forest. Ensemble learning menghasilkan hasil yang lebih tepat daripada algoritma tunggal. Ensemble learning menghasilkan model classifier dengan performa yang lebih baik, dengan indikator akurasi 81.8% precision 83%, recall 82%, F1-score 82%.]]>
Copyrights © 2023
