PUTRI, Nitami Lestari and Warsito, Budi and Surarso, Bayu (2023) DETEKSI ULASAN PADA E-COMMERCE AMAZON MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR DAN PARTICLE SWARM OPTIMIZATION. Masters thesis, UNIVERSITAS DIPONEGORO.

	Text Cover.pdf Download (1MB)
	Text BAB I.pdf Download (301kB)
	Text BAB II.pdf Download (517kB)
	Text BAB III.pdf Restricted to Repository staff only Download (448kB)
	Text BAB IV.pdf Restricted to Repository staff only Download (1MB)
	Text BAB V.pdf Download (165kB)
	Text Daftar Pustaka.pdf Download (306kB)
	Text Lampiran.pdf Restricted to Repository staff only Download (161kB)

Abstract

Ulasan online menjadi faktor penting yang mendorong konsumen untuk membeli barang di e-commerce. Dalam e-commerce, ulasan pelanggan sebelumnya dapat membantu pembeli membuat keputusan yang lebih baik dengan memberikan informasi tentang kualitas produk, kekuatan dan kelemahan, perilaku penjual, harga, dan waktu pengiriman. Namun, keberadaan ulasan palsu menimbulkan tantangan dalam menilai sentimen yang diungkapkan oleh pelanggan asli secara benar. Dalam penelitian ini, berfokus pada analisis sentimen dan bertujuan untuk mengeksplorasi peran sentimen dalam ulasan produk Amazon. Penelitian ini menggunakan K-Nearest Neighbor (KNN) dengan menghitung optimasi menggunakan Particle Swarm Optimization (PSO) untuk memperoleh hasil kinerja terbaik dalam analisis sentimen dalam ulasan produk Amazon. Dalam mengekstrak skor polaritas dari ulasan, penelitian ini menggunakan pendekatan analisis sentimen berbasis leksikon yaitu Textblob Library dan menetapkan label sentimen dari ulasan produk. Hasil dari pemodelan yang diusulkan mencapai tingkat akurasi sebesar 83.07% pada nilai k=15. Kemudian, nilai akurasi terbaik yang diperoleh KNN dioptimasi menggunakan PSO dan memperoleh nilai k optimal pada k=18 dengan akurasi sebesar 83.28%. Hasil dari penelitian ini dapat membantu konsumen dalam membuat Keputusan pembelian dan membantu penjual dalam meningkatkan nilai produk dan layanan mereka berdasarkan feedback yang diberikan oleh pelanggan.
Kata Kunci : Ulasan produk Amazon, Analisis sentimen, Textblob Library, K-Nearest Neighbor, Particle Swarm Optimization

Online reviews are a significant influence encouraging consumers to buy things in e-commerce. In e-commerce, previous customer reviews can help buyers make better decisions by providing information about product quality, strengths and weaknesses, seller behaviour, prices, and delivery times. However, the existence of fake reviews poses a challenge in accurately assessing the sentiments of real customers. In this study, we focus on sentiment analysis and aim to explore the role of sentiment in Amazon product reviews. This study uses K-Nearest Neighbor (KNN) by calculating optimization using Particle Swarm Optimization (KNN) to obtain the best performance results in sentiment analysis in Amazon product reviews. In exploring polarity scores from reviews, this study uses a lexicon-based sentiment analysis approach, namely the Textblob Library that attaches sentiment labels from product reviews. The results of the proposed modeling reach an accuracy level of 83.07% at k=15. Then, the best accuracy value obtained by KNN was optimized using PSO and obtained the optimal k value at k=18 with an accuracy of 83.28%. The findings of this study will help buyers decide what to buy, and vendors will be able to raise the value of their goods and services by utilizing customer input.
Keywords : Amazon’s product reviews, Sentiment analysis, Textblob Library, K-Nearest Neighbor, Particle Swarm Optimization

Actions (login required)

View Item