FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W4386994069> ?p ?o ?g. }

• W4386994069 endingPage "44" @default.
• W4386994069 startingPage "28" @default.
• W4386994069 abstract "Abstrak Analisis sentimen digunakan sebagai alat bantu untuk mendapatkan pendapat dari konsumen atau masyarakat luas. Ulasan produk pada e-commerce memberikan pengaruh pada penjualan produk. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan produk pada platform e-commerce menggunakan algoritma Naïve Bayes, Support Vector Machine (SVM), dan Recurrent Neural Network (RNN). Penelitian juga melibatkan tahapan seleksi data, preprocessing, transformasi, data mining, dan evaluasi/interpretasi. Selain itu, penelitian ini juga bertujuan untuk mengatasi masalah imbalanced data yang terjadi antara sentimen positif dan negatif dengan menerapkan teknik oversampling menggunakan library SMOTE. Dengan melakukan penelitian ini, diharapkan dapat memberikan wawasan dan pemahaman yang lebih baik tentang analisis sentimen dan kontribusinya dalam memahami pendapat konsumen serta meningkatkan keputusan pembelian produk. Dalam penelitian ini, dilakukan analisis sentimen terhadap ulasan produk e-commerce menggunakan algoritma Naïve Bayes, SVM, dan RNN. Data opini diklasifikasikan menjadi positif, negatif, atau netral. Terdapat perbedaan jumlah data antara sentimen positif dan negatif (imbalanced data), yang diperlakukan secara berbeda dalam model. Hasil penelitian menunjukkan bahwa Naïve Bayes memiliki akurasi 86%, SVM memiliki akurasi 88%, dan RNN memiliki akurasi 96% dengan epoch 100. Abstract Sentiment analysis serves as a valuable tool for capturing consumer opinions and broader public sentiment. Product reviews posted on e-commerce platforms significantly influence product sales. The objective of this research is to perform sentiment analysis on e-commerce product reviews utilizing Naïve Bayes, Support Vector Machine (SVM), and Recurrent Neural Network (RNN) algorithms. The study encompasses data selection, preprocessing, transformation, data mining, and evaluation/interpretation as crucial stages. Moreover, addressing the issue of imbalanced data, particularly the disparity between positive and negative sentiments, is achieved through the application of oversampling techniques utilizing the SMOTE library. This research aims to enhance the understanding of sentiment analysis, its significance in comprehending consumer opinions, and its role in improving product purchase decisions. The sentiment analysis of e-commerce product reviews was conducted using Naïve Bayes, SVM, and RNN algorithms. The opinions were classified as positive, negative, or neutral. Notably, there is a distinction in the data distribution between positive and negative sentiments (imbalanced data), which necessitates distinct treatment within the models. The findings revealed an accuracy of 86% for Naïve Bayes, 88% for SVM, and 96% for RNN with an epoch of 100." @default.
• W4386994069 created "2023-09-25" @default.
• W4386994069 creator A5021517639 @default.
• W4386994069 creator A5029139837 @default.
• W4386994069 creator A5080091205 @default.
• W4386994069 date "2023-07-31" @default.
• W4386994069 modified "2023-09-30" @default.
• W4386994069 title "PERBANDINGAN METODE NAÏVE BAYES, SUPPORT VECTOR MACHINE DAN RECURRENT NEURAL NETWORK PADA ANALISIS SENTIMEN ULASAN PRODUK E-COMMERCE" @default.
• W4386994069 doi "https://doi.org/10.24269/mtkind.v17i1.7092" @default.
• W4386994069 hasPublicationYear "2023" @default.
• W4386994069 type Work @default.
• W4386994069 citedByCount "0" @default.
• W4386994069 crossrefType "journal-article" @default.
• W4386994069 hasAuthorship W4386994069A5021517639 @default.
• W4386994069 hasAuthorship W4386994069A5029139837 @default.
• W4386994069 hasAuthorship W4386994069A5080091205 @default.
• W4386994069 hasBestOaLocation W43869940691 @default.
• W4386994069 hasConcept C119857082 @default.
• W4386994069 hasConcept C12267149 @default.
• W4386994069 hasConcept C142362112 @default.
• W4386994069 hasConcept C154945302 @default.
• W4386994069 hasConcept C15708023 @default.
• W4386994069 hasConcept C41008148 @default.
• W4386994069 hasConcept C52001869 @default.
• W4386994069 hasConceptScore W4386994069C119857082 @default.
• W4386994069 hasConceptScore W4386994069C12267149 @default.
• W4386994069 hasConceptScore W4386994069C142362112 @default.
• W4386994069 hasConceptScore W4386994069C154945302 @default.
• W4386994069 hasConceptScore W4386994069C15708023 @default.
• W4386994069 hasConceptScore W4386994069C41008148 @default.
• W4386994069 hasConceptScore W4386994069C52001869 @default.
• W4386994069 hasIssue "1" @default.
• W4386994069 hasLocation W43869940691 @default.
• W4386994069 hasOpenAccess W4386994069 @default.
• W4386994069 hasPrimaryLocation W43869940691 @default.
• W4386994069 hasRelatedWork W1470425429 @default.
• W4386994069 hasRelatedWork W1996541855 @default.
• W4386994069 hasRelatedWork W3186233728 @default.
• W4386994069 hasRelatedWork W3195168932 @default.
• W4386994069 hasRelatedWork W4205958290 @default.
• W4386994069 hasRelatedWork W4306742369 @default.
• W4386994069 hasRelatedWork W4327772909 @default.
• W4386994069 hasRelatedWork W4364301914 @default.
• W4386994069 hasRelatedWork W4377964522 @default.
• W4386994069 hasRelatedWork W4386260374 @default.
• W4386994069 hasVolume "17" @default.
• W4386994069 isParatext "false" @default.
• W4386994069 isRetracted "false" @default.
• W4386994069 workType "article" @default.