AUFA DHIYA, ULHAK (2024) IMPLEMENTASI METODE K-NEAREST NEIGHBOR UNTUK KLASIFIKASI ULASAN APLIKASI E-COMMERCE ZALORA DI GOOGLE PLAYSTORE. S1 thesis, Universitas Mataram.
![[img]](http://eprints.unram.ac.id/style/images/fileicons/text.png) |
Text
LAPORAN TA_AUFA DHIYA ULHAK_F1B019029.pdf Restricted to Repository staff only Download (2MB) |
Abstract
Kemajuan teknologi membuat segala kegiatan jual beli atau transaksi dapat dilakukan menggunakan sarana media elektronik (internet), kegiatan ini biasa disebut dengan Electronic Commerce atau e-commerce. Zalora merupakan salah satu platform jual beli online yang popular di Indonesia. Zalora menjadi salah satu marketplace yang mendapatkan nilai serta ulasan yang cukup banyak dari penggunanya di Google Playstore. Ulasan dari pengguna dapat dimanfaatkan pengembang untuk mengevaluasi dan meningkatkan kualitas suatu aplikasi akan dilakukan penerapan text mining terhadap ulasan aplikasi Zalora menggunakan Algoritma K-Nearest Neighbor untuk menentukan ulasan termasuk kelas positif atau negatif. Tujuan dari penelitian ini adalah untuk mengetahui tingkat akurasi klasifikasi analisis pada aplikasi Zalora di Google Play menggunakan algoritma K-NN serta untuk mengetahui kata apa saja yang sering muncul pada komentar aplikasi Zalora di google playstore. Dataset didapatkan melalui website Google Playstore mengenai ulasan aplikasi e-commerce Zalora menggunakan package Google Play Scraper berhasil mendapatkan 5000 data dan setelah dilakukan proses preprocessing menghasilkan 3711 data bersih. Model klasifikasi dibangun menggunakan algoritma K-NN dengan ekstraksi fitur TF-IDF. Hasil penelitian menunjukkan bahwa model klasifikasi K-NN TF-IDF dengan K=2 menghasilkan nilai akurasi terbaik dengan pembagian data pada perbandingan rasio 90:10, dengan nilai akurasi sebesar 0.78 atau 78% dan dapat diketahui lima teratas kata-kata yang sering muncul yaitu “zalora”, “kirim”, “barang”, “aplikasi”, “belanja”.
| Item Type: | Thesis (S1) |
|---|---|
| Keywords (Kata Kunci): | Zalora, Google Playstore, Machine Learning, K-NN, TF-IDF |
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering |
| Divisions: | Fakultas Teknik |
| Depositing User: | Meike Megawati |
| Date Deposited: | 13 Mar 2024 04:55 |
| Last Modified: | 13 Mar 2024 04:55 |
| URI: | http://eprints.unram.ac.id/id/eprint/44604 |
Actions (login required)
 |
View Item |
