Sandi Saputra Hasibuan, - (2024) Sentimen Analisis Terhadap Fitur Tiktok Shop Menggunakan Naive Bayes dan K-Nearest Neighbor. Jurnal Media Informatika Budidarma, 8 (1). pp. 303-311. ISSN ISSN(P): 2614-5278 | ISSN(E): 2548-8368

Preview

Text Tugas Akhir.pdf Download (7MB) | Preview

Abstract

Salah satu fitur yang diperkenalkan oleh platform TikTok adalah TikTok Shop, di mana penjual dan pembeli dapat berinteraksi dengan mudah melalui fitur siaran langsung dan mempromosikan produk di dalam aplikasi TikTok tanpa perlu beralih ke aplikasi lain, serta menawarkan produk dengan harga yang sangat murah. Namun, hal ini menimbulkan ketidakpuasan dari pedagang kecil yang merasa kesulitan bersaing. Opini tentang fitur TikTok Shop menciptakan berbagai tanggapan dari masyarakat. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap fitur TikTok Shop dengan menggunakan Twitter sebagai sumber data. Menerapkan algoritma Naive Bayes Classifier (NBC) dan K-Nearest Neighbor (KNN) dan Pembagian data menggunakan 10-Fold Cross Validation. Pelabelan dilakukan dengan metode clustering menggunakan algoritma K-Means, dibagi menjadi tiga kategori positif, negatif, dan netral. Penambahan teknik analisis data kualitatif dengan metode thematic analysis pada penelitian ini bertujuan untuk menemukan pola atau tema dalam data. Dari hasil pelabelan menunjukkan bahwa 75% dari total data mengekspresikan sentimen negatif terhadap fitur TikTok Shop. Dan hasil thematic analysis ditemukan Tema utama yaitu "Regulasi yang tidak sesuai" mencakup 32% data, dengan jumlah 754. Penelitian ini menyimpulkan bahwa metode KNN lebih unggul daripada NBC, dengan akurasi, presisi, dan recall yang lebih baik. Hal ini sejalan dengan penelitian yang dilakukan sebelumnya bahwa KNN lebih unggul dari pada naïve bayes, tetapi penelitian yang lain menunjukkan hal sebaliknya dimana naïve bayes lebih unggul dibandingkan dengan KNN. Penelitian lebih lanjut dapat dilakukan untuk meningkatkan kinerja kedua algoritma ini dalam sentimen analisis, misalnya dengan menggunakan metode preprocessing yang lebih canggih, fitur ekstraksi yang lebih representatif, atau teknik optimisasi yang lebih efisien.

Actions (login required)

View Item