ANALISIS SENTIMEN OPINI MASYARAKAT MENGENAI PERKEMBANGAN BISNIS DI TIK TOK SHOP 2024 MENGGUNAKAN METODE NAIVE BAYES DAN K-NEAREST NEIGHBOR

Pratama, Diandra Febrian (2024) ANALISIS SENTIMEN OPINI MASYARAKAT MENGENAI PERKEMBANGAN BISNIS DI TIK TOK SHOP 2024 MENGGUNAKAN METODE NAIVE BAYES DAN K-NEAREST NEIGHBOR. Other thesis, UNIVERSITAS NURUL JADID.

Text Skripsi_2021400161_Diandra Febrian Pratama_IF.pdf Restricted to Registered users only Download (3MB)

Abstract

Pratama, Diandra Febrian. 2024. Analisis Sentimen Opini Masyarakat Mengenai Perkembangan Bisnis di TikTok Shop 2024 Menggunakan Metode Naive Bayes dan K-Nearest Neighbor. Skripsi, Prodi Informatika, Fakultas Teknik, Universitas Nurul Jadid Paiton Probolinggo. Pembimbing: (I) [Nama Pembimbing 1], (II) [Nama Pembimbing 2].

Kata Kunci: TikTok Shop, E-commerce, Analisis Sentimen, Naive Bayes, K-NN.

Perkembangan pesat TikTok Shop telah mentransformasi perilaku belanja konsumen dan menjadi sorotan utama dalam industri e-commerce di Indonesia. Meskipun menawarkan peluang bisnis yang besar, penutupan TikTok Shop oleh pemerintah pada Oktober 2023 akibat regulasi perdagangan elektronik sempat menimbulkan kontroversi luas. Setelah beroperasi kembali pada Desember 2023, muncul kebutuhan untuk memetakan persepsi publik terhadap platform tersebut. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat mengenai perkembangan bisnis di TikTok Shop pada tahun 2024 dengan membandingkan performa algoritma Naive Bayes dan K-Nearest Neighbor (K-NN). Data dikumpulkan melalui teknik web scraping pada kolom komentar YouTube dan menghasilkan dataset yang diklasifikasikan ke dalam tiga kategori: positif, netral, dan negatif. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes memberikan performa klasifikasi yang lebih unggul dengan tingkat akurasi sebesar 78%, presisi 72%, recall 53%, dan F1-score 48%, dibandingkan dengan algoritma K-NN yang menghasilkan akurasi 65%. Analisis persebaran data menunjukkan dominasi sentimen negatif, diikuti oleh sentimen positif dan netral. Penelitian ini menyarankan adanya penambahan volume dataset serta eksplorasi metode ekstraksi fitur alternatif untuk mengoptimalkan akurasi analisis sentimen pada masa mendatang.

Item Type:	Thesis (Other)
Subjects:	H Social Sciences > H Social Sciences (General) H Social Sciences > HF Commerce Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Saiful Ghazi
Date Deposited:	28 Apr 2026 08:06
Last Modified:	28 Apr 2026 08:06
URI:	https://repository.unuja.ac.id/id/eprint/3234

Actions (login required)

View Item