INSANtek – Jurnal Inovasi dan Sains Teknik Elektro
Vol. 2 No. 1 (2021): Mei 2021

Komparasi Metode K-NN, Support Vector Machine Dan Random Forest Pada E-Commerce Shopee

Watmah, Sri (Unknown)
Suryanto, Suryanto (Unknown)
Martias, Martias (Unknown)



Article Info

Publish Date
16 Jun 2021

Abstract

Marketplace berbasis aplikasi android sangat digemari di Indonesia, salah satu toko online yang tengah digemari oleh orang indonesia yaitu shopee. Selain menawarkan kemudahan dalam berbelanja tentu saja ada kendala dalam penggunaanya, baik dalam bentuk pelayanan maupun produk yang dipasarkan. Text Mining menjadi metode yang tepat untuk mengetahui kepuasan pengguna. Sentimen analisis sangat diperlukan untuk mengetahui keakurasian dan prediksi. Review pada playstore umumnya diberikan ketika seseorang telah menginstal aplikasi pada smartphone Android. Disini penulis menguji seberapa kepuasan pengguna akun shopee berdasarkan review pada google playstore menggunakan metode K-NN, Support Vector Machine, dan Random Forest. Berdasarkan penghitungan menunjukan bahwa metode K-NN mempunyai nilai akurasi 89,0%, presisi 89,7% dan recall 87,5%. Pada metode klasifikasi Random Forest menunjukan nilai akurasi 83,0%, presisi 85,7% dan recall 81,4%. Untuk metode SVM menunjukan  nilai akurasi 89,4%, presisi 89,5% dan recall 89,7%. Dengan demikian metode klasifikasi terbaik pada studi ini adalah metode SVM dengan nilai 89,4% presisi 89,5% dan recall 89,7%.    

Copyrights © 2021






Journal Info

Abbrev

insantek

Publisher

Subject

Computer Science & IT Electrical & Electronics Engineering

Description

INSANtek – Jurnal Inovasi dan Sains Teknik Elektro pertama publikasi tahun 2020, dengan registrasi ISSN dari LIPI Indonesia dengan Nomor 2722-547X. INSANtek – Jurnal Inovasi dan Sains Teknik Elektro adalah jurnal yang diterbitkan oleh Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina ...