ANALISIS PENDEKATAN MACHINE LEARNING UNTUK PREDIKSI RATING BELANJA ONLINE DENGAN NAÏVE BAYES DAN SVM

ANALISIS PENDEKATAN MACHINE LEARNING UNTUK PREDIKSI RATING BELANJA ONLINE DENGAN NAÏVE BAYES DAN SVM, Machine Learning...

Author: MUIT SUNJAYA
Date: 2024
Keywords: Machine Learning
Type: Thesis
Category: penelitian

Penelitian ini bertujuan untuk mengidentifikasi dan membandingkan efektivitas algoritma Naïve Bayes dan Support Vector Machine (SVM) dalam mengklasifikasikan rating berdasarkan komentar pelanggan di platform belanja online Lazada. Masalah utama yang diidentifikasi meliputi ketidakpastian data, pemilihan dan optimisasi model, serta peningkatan efisiensi dan skalabilitas. Dengan menggunakan dataset komentar dan review dari Lazada, penelitian ini melaksanakan analisis menggunakan kedua algoritma untuk menentukan yang paling efektif dalam mengklasifikasikan komentar ke dalam rating yang sesuai. Metodologi penelitian meliputi pengumpulan data, pra-pemrosesan teks, implementasi algoritma, dan evaluasi menggunakan confusion matrix untuk mengukur akurasi, presisi, recall, dan F-measure. Analisis ini didukung dengan visualisasi data menggunakan Python, yang memungkinkan interpretasi dan pemahaman yang mendalam terhadap hasil. Hasil penelitian menunjukkan perbedaan signifikan dalam performa kedua algoritma, dengan masing-masing memiliki kelebihan dalam aspek tertentu dari klasifikasi. Pembahasan dalam penelitian ini menginterpretasikan hasil tersebut untuk menjawab masalah penelitian yang dirumuskan dan menunjukkan aplikasi praktis dari teori machine learning dalam pengolahan data nyata. Penelitian ini menyimpulkan bahwa kedua algoritma memiliki potensi yang signifikan dalam klasifikasi sentimen, tetapi memerlukan penyesuaian dan optimasi lebih lanjut untuk meningkatkan akurasi dan efisiensi. Saran untuk penelitian selanjutnya termasuk pengembangan model hibrid atau pendekatan baru yang dapat menangani limitasi yang diidentifikasi, serta eksplorasi set data yang lebih beragam untuk menguji skalabilitas solusi yang diusulkan.

Files:
LEMBAR JUDUL 1
DAFTAR PUSTAKA
ABSTRAK

Collections:
Digital Library UNPAB