Tren Marketplace Berdasarkan Klasifikasi Ulasan Pelanggan Menggunakan Perbandingan Kernel Support Vector Machine

Abstract

Saat ini banyak masyarakat Indonesia yang gemar melakukan transaksi perdagangan secara online. Akan tetapi sejumlah pelaku bisnis kesulitan untuk memilih marketplace untuk memasarkan produknya. Salah satu penyebabnya karena mereka jarang memperhatikan tren marketplace yang sedang diperbincangkan konsumen. Oleh karena itu, menganalisis tren di media sosial seperti Twitter, menjadi sangat penting bagi para pebisnis untuk memahami pola kecenderungan konsumen terhadap jasa atau produknya. Maka tujuan penelitian ini yaitu membuat model yang dapat menganalisis tren marketplace berdasarkan klasifikasi ulasan pelanggan di Twitter menggunakan algoritme SVM. Kernel yang digunakan yaitu linear, RBF, sigmoid, dan polynomial dengan optimasi parameter menggunakan grid search. Metodologi yang digunakan yaitu KDD. Hasil evaluasi model klasifikasi terbaik yaitu kernel sigmoid dengan nilai accuracy 92%, precision 92%, recall 92%, dan F1 score 92% serta parameter C=100, γ=0.01, dan r=1. Hasil tren marketplace berdasarkan persentase ulasan positif tertinggi adalah Tokopedia, Shopee, dan yang terakhir Bukalapak. Kata