Electronic Theses and Dissertation

E-commerce merupakan salah satu teknologi yang saat ini banyak digunakan oleh perusahaan-perusahaan untuk memasarkan produk yang dipasarkan. Dengan adanya E-commerce pengguna dapat dengan mudah membeli barang yang diinginkan secara online dan dapat secara langsung melakukan review terhadap perusahaan tersebut. Dalam review yang dilakukan pengguna, terdapat perasaan pengguna terhadap produk yang telah dibelinya. Review yang diberikan pengguna sangat bervariasi dan dapat berupa saran hingga keluhan. Tujuan dari penelitian ini adalah agar penyedia layanan E-commerce dapat mengetahui bagaimana emosi yang ditunjukkan pengguna terhadap kualitas barang yang telah mereka beli, dan juga penyedia layanan E-commerce dapat meninjau ulang tentang pelayanan yang diberikan sehingga akan membantu meningkatkan kualitas layanan dan pengalaman berbelanja di platform E-commerce tersebut. Penelitian ini menggunakan algoritma Bidirectional Long Short Term Memory(Bi-LSTM) untuk mengklasifikasikan emosi yang telah dikelompokkan menjadi empat kelas yaitu Anger, Happy, Love, dan Sadness pada review produk e-commerce. Tahapan yang dilakukan antara lain Casefolding, Filtering, Tokenizing, stopword removal, dan stemming. Hasil yang diperoleh dari penelitian ini adalah model yang dapat mengklasifikasikan emosi dari dataset review E-commerce dengan menggunakan confusion matrix dan performa model mendapatkan hasil testing Accuracy sebesar 75%, precision 74%, recall 74%, dan F1- Score 75%.

E-commerce is a technology that is currently widely used by companies to market their products. With E-commerce, users can easily buy the desired goods online and can immediately review the company. In the reviews conducted by users, there are feelings of users towards the products they have purchased. Reviews provided by users vary widely and can be in the form of suggestions to complaints. The purpose of this research is that E-commerce service providers can find out how emotions are shown by users towards the quality of the goods they have purchased, and also E-commerce service providers can review the services provided so that it will help improve service quality and shopping experience in the E-commerce platform. This study uses the Bi-Directional Long Short Term Memory (Bi-LSTM) algorithm to classify embedded emotions into four classes namely Anger, Happy, Love, and Sadness in e-commerce product reviews. The steps taken include Casefolding, Filtering, Tokenizing, stopword removal, and stemming. The results obtained from this study are a model that can classify emotions from the E-commerce review dataset using the confusion matrix and model performance to obtain an Accuracy test result of 75%, 74% precision, 74% recall, and F1-Score 75%.