Penulis Utama : Ratri Dwi Saputri
NIM / NIP : M0514044
×

Penanganan keluhan merupakan salah satu hal yang paling penting dalam sebuah perusahaan. Shopee dengan official akunnya, @shopeecare khusus digunakan untuk menangani keluhan secara langsung dengan pengguna melalui Twitter. Karena ketidakterbatasan dari Twitter ini, pengguna bisa mengungkapkan semua kepada Shopee dan membuat struktur data yang tidak beraturan yang menghambat penanganan keluhan. Maka dari itu, dibutuhkan metode untuk mengelompokkan data menjadi beberapa kategori seperti aplikasi, pembatalan dan pengembalian, pencairan, pembayaran, pengiriman, voucher dan promosi, serta shopeepay. Metode yang digunakan dalam penelitian ini adalah ekstrasi fitur menggunakan Term Frequency–Inverse Document Frequency (TF-IDF)  dan klasifikasi dengan menggunakan Support Vector Machine serta Particle Swarm Optimization. Penelitian yang dilakukan menghasilkan akurasi sebesar 82,05% untuk SVM dan 82,56% untuk kombinasi SVM-PSO dengan menggunakan split 0.2. Nilai Precision, Recall dan f1-score untuk SVM-PSO adalah 83%, 84%, dan 84%. Dari hasil tersebut, dapat disimpulkan bahwa PSO dapat meningkatkan akurasi dari SVM.

Kata kunci: keluhan, klasifikasi, Particle Swarm Optimization, Support Vector Machine, Twitter

 

×
Penulis Utama : Ratri Dwi Saputri
Penulis Tambahan : -
NIM / NIP : M0514044
Tahun : 2021
Judul : Klasifikasi Keluhan Pengguna Shopee Menggunakan Metode Support Vector Machine dan Particle Swarm Optimization
Edisi :
Imprint : Surakarta - Fak. MIPA - 2021
Program Studi : S-1 Informatika
Kolasi :
Sumber : UNS-Fak. MIPA-M0514044
Kata Kunci :
Jenis Dokumen : Skripsi
ISSN :
ISBN :
Link DOI / Jurnal : -
Status : Public
Pembimbing : 1. Dr. Wiranto, M.Kom., M.Cs.
2. Sari Widya Sihwi, S.Kom., M.T.I.
Penguji :
Catatan Umum :
Fakultas : Fak. MIPA
×
Halaman Awal : Harus menjadi member dan login terlebih dahulu untuk bisa download.
Halaman Cover : Harus menjadi member dan login terlebih dahulu untuk bisa download.
BAB I : Harus menjadi member dan login terlebih dahulu untuk bisa download.
BAB II : Harus menjadi member dan login terlebih dahulu untuk bisa download.
BAB III : Harus menjadi member dan login terlebih dahulu untuk bisa download.
BAB IV : Harus menjadi member dan login terlebih dahulu untuk bisa download.
BAB V : Harus menjadi member dan login terlebih dahulu untuk bisa download.
BAB Tambahan : Harus menjadi member dan login terlebih dahulu untuk bisa download.
Daftar Pustaka : Harus menjadi member dan login terlebih dahulu untuk bisa download.
Lampiran : Harus menjadi member dan login terlebih dahulu untuk bisa download.