Record Details

Klasifikasi Review Produk Kecantikan Pada Aplikasi Sociolla Menggunakan Algoritme Modified K-Nearest Neighbor (MK-NN) dengan Pembobotan BM25

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

View Archive Info
 
 
Field Value
 
ISSN 2548-964X
 
Authentication Code dc
 
Title Statement Klasifikasi Review Produk Kecantikan Pada Aplikasi Sociolla Menggunakan Algoritme Modified K-Nearest Neighbor (MK-NN) dengan Pembobotan BM25
 
Added Entry - Uncontrolled Name Nuriza, Alfita
Indriati, Indriati
Hidayat, Nurul
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
 
Summary, etc. Produk kecantikan telah menjadi salah satu dari sekian banyak hal yang tidak dapat lepas dari kaum wanita karena tuntutan untuk tampil cantik serta menarik. Berbagai produk tersebut menawarkan keunggulan - keunggulan nya, ada banyak produk kecantikan di pasaran, mulai dari perawatan kulit dan kosmetik dari berbagai jenis dan merek. Produk-produk ini memiliki kelebihan, tetapi tidak semua produk memenuhi kebutuhan penggunanya. Hal ini adalah sesuatu yang harus diperhatikan konsumen sebelum membeli. Di sisi lain dengan Jumlah produk kecantikan yang banyak terkait erat dengan pendapat tentang produk tertentu sesuai dengan parameter yang diberikan oleh konsumen seperti kelebihan, kekurangan, kualitas dan parameter lainnya., hal inilah yang digunakan sebagai referensi. Salah satu platform perdagangan elektronik yang menyediakan produk kecantikan adalah Sociolla. Buakan hanya menjual produk kecantikan, pada platform ini juga terdapat ulasan atau review dari konsumen. Dengan membaca semua review tersebut secara lengkap akan menyita banyak waktu, sedangkan jika hanya membaca sedikit, evaluasi yang dihasilkan akan menjadi bias. Untuk mengatasi permasalahan tersebut dilakukan klasifikasi dari review yang ada yang akan diklasifikasikan ke dalam 2 kelas yaitu kelas positif serta negatif. Dalam penelitian ini penulis menggunakan algoritme Modified K-Nearest Neighbor (MK-NN) dengan BM25 sebagai pembobotan. Data yang dipakai sejumlah 500 data yang terbagi menjadi dua yaitu positif dan negatif. Dari hasil evaluasi pengujian dengan 5-fold cross validation dihasilkan rata-rata nilai akurasi, precision, recall, dan f-measure tertinggi sebesar 51,00%, 50,90%, 52,61%, dan 51,70% pada saat nilai k=11.
 
Publication, Distribution, Etc. Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya
 
Electronic Location and Access application/pdf
http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/7984
 
Data Source Entry Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer; Vol 4 No 10 (2020): Oktober 2020
 
Language Note ind
 
Terms Governing Use and Reproduction Note Hak Cipta (c) 2020 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
 


www.freevisitorcounters.com