WIJAYA, AGRESWARA PUTRI (2026) SISTEM REKOMENDASI SUPERMARKET ONLINE BERDASARKAN ANALISIS SENTIMEN ULASAN PENGGUNA MENGGUNAKAN SUPPORT VECTOR MACHINE DAN METODE MOORA. Skripsi thesis, UPN "Veteran" Yogyakarta.
![[thumbnail of 123220182_Cover - AGRESWARA PUTRI WIJAYA.pdf]](http://eprints.upnyk.ac.id/style/images/fileicons/text.png) |
Text
123220182_Cover - AGRESWARA PUTRI WIJAYA.pdf Download (481kB) |
|
Text
123220182_Abstrak - AGRESWARA PUTRI WIJAYA.pdf Download (859kB) |
|
Text
123220182_Halaman Pengesahan - AGRESWARA PUTRI WIJAYA.pdf Download (581kB) |
|
Text
123220182_Daftar Isi - AGRESWARA PUTRI WIJAYA.pdf Download (684kB) |
|
Text
123220182_Daftar Pustaka - AGRESWARA PUTRI WIJAYA.pdf Download (160kB) |
|
Text
123220182_Fulltext - AGRESWARA PUTRI WIJAYA.pdf Restricted to Repository staff only Download (9MB) |
Abstract
Transformasi perilaku konsumen menuju era digital telah mendorong pertumbuhan
signifikan platform belanja online untuk kebutuhan harian di Indonesia. Platform-platform
seperti Alfagift, Klik Indomaret, AlloFresh, Astro, dan My Super Indo hadir dengan
keunggulan yang beragam. Kondisi ini menciptakan tantangan bagi konsumen untuk
menentukan pilihan platform yang paling relevan dengan preferensi mereka. Meskipun
review pengguna di Google Play Store memberikan gambaran mengenai pengalaman
berbelanja, volume ulasan yang masif menyulitkan proses evaluasi manual. Hal ini
menyebabkan kebutuhan akan sistem pendukung keputusan yang dapat memberikan
rekomendasi yang objektif berdasarkan data.
Studi ini menggabungkan metode analisis sentimen dengan Multi-Objective
Optimization by Ratio Analysis (MOORA) untuk mengembangkan sistem pendukung
keputusan dalam sistem rekomendasi supermarket online. Dataset dikumpulkan
menggunakan web scraping dari review pengguna untuk lima aplikasi yang tersedia di
Google Play Store. Proses pra-pemrosesan data mencakup data cleaning, konversi huruf
kecil, tokenisasi, normalisasi teks, eliminasi stopwords, stemming, dan filtering berdasarkan
panjang teks. Selanjutnya, klasifikasi sentimen dilakukan dengan menggunakan Support
Vector Machine (SVM) dengan fitur ekstraksi TF-IDF untuk membagi ulasan menjadi
sentimen positif atau negatif. Output klasifikasi kemudian ditransformasi menjadi tujuh
parameter evaluasi: harga, pengiriman, kualitas produk, promosi, performa aplikasi, metode
pembayaran, dan layanan pelanggan.
Hasil analisis menunjukkan bahwa SVM dengan kernel linear menghasilkan tingkat
akurasi terbaik dalam kategori klasifikasi sentimen. Implementasi metode MOORA berhasil
menghasilkan ranking aplikasi berdasarkan bobot preferensi pengguna terhadap kriteria
evaluasi. Validasi sistem melalui black box testing membuktikan bahwa semua
fungsionalitas bekerja sesuai spesifikasi yang ditetapkan. Sistem berbasis web yang
dihasilkan mampu memfasilitasi pengguna dalam mengambil keputusan pemilihan platform
supermarket online dengan lebih efisien dan objektif.
Kata Kunci: analisis sentimen, Support Vector Machine, MOORA, aplikasi supermarket
online, sistem rekomendasi
| Item Type: | Tugas Akhir (Skripsi) |
|---|---|
| Additional Information: | AGRESWARA PUTRI WIJAYA (Penulis-123220182) ; Agus Sasmito Aribowo (Pembimbing) |
| Uncontrolled Keywords: | analisis sentimen, Support Vector Machine, MOORA, aplikasi supermarket online, sistem rekomendasi |
| Subjek: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science |
| Divisions: | Fakultas Teknik Industri > (S1) Informatika |
| Depositing User: | A.Md Eko Suprapti |
| Date Deposited: | 22 Sep 2026 01:34 |
| Last Modified: | 22 Sep 2026 01:34 |
| URI: | http://eprints.upnyk.ac.id/id/eprint/49375 |
Actions (login required)
 |
View Item |