ANALISIS SENTIMEN MEDIA SOSIAL UNTUK MENINGKATKAN REPUTASI BRAND ERSPO DENGAN ALGORITMA NAIVE BAYES DAN TEXT MINING

ALAMSYAH, FAJAR and Seprina, Iin (2024) ANALISIS SENTIMEN MEDIA SOSIAL UNTUK MENINGKATKAN REPUTASI BRAND ERSPO DENGAN ALGORITMA NAIVE BAYES DAN TEXT MINING. Undergraduate thesis, Sriwijaya University.

	Text RAMA_57201_09031482326005.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (4MB) | Request a copy
	Text RAMA_57201_09031482326005_TURNITIN.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (5MB) | Request a copy
	Text RAMA_57201_09031482326005_0218038302_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (680kB)
	Text RAMA_57201_09031482326005_0218038302_02.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (330kB) | Request a copy
	Text RAMA_57201_09031482326005_0218038302_03.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (446kB) | Request a copy
	Text RAMA_57201_09031482326005_0218038302_04.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text RAMA_57201_09031482326005_0218038302_05.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (127kB) | Request a copy
	Text RAMA_57201_09031482326005_0218038302_06_ref.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (165kB) | Request a copy
	Text RAMA_57201_09031482326005_0218038302_07_lamp.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy

Abstract

Brand Erspo adalah sebuah brand produk olahraga yang diproduksi oleh Perusahaan Erigo. Erigo sendiri adalah apparel lokal yang mengkhususkan diri pada streetwear fashion yang digunakan pria dan wanita. Erigo telah menjalin kerjasama dengan PSSI untuk merancang jersey Skuad Garuda, menggantikan brand sebelumnya yaitu Mills. Erspo sempat menjadi trending topik pada media sosial X setelah rilis jersey terbaru dan menimbulkan berbagai sentimen terkait desain, kualitas, dan harga jersey sehingga memerlukan analisis sentimen untuk mengetahui kepuasan pengguna. Penelitian ini bertujuan untuk mengidentifikasi sentimen pengguna terhadap perhitungan reputasi brand Erspo di Indonesia. Penelitian ini menerapkan algoritma Text Mining dan Naïve Bayes dengan penggunaan metode Cross Industry Standard Process for Data Mining (CRISP-DM) sebagai pedoman dalam analisis. Analisis dilakukan dengan menggunakan data hasil crawling data melalui X berdasarkan kata kunci “Erspo” selama Maret-Mei 2024. Analisis terhadap 1.833 data Erspo hasil pembersihan dan menggunakan rasio 90:10 dalam membagi data ke dalam data latih dan data uji. Hasil analisis sentimen terhadap perhitungan indeks net brand reputation menghasilkan nilai -9,98 yang menunjukkan sentimen masyarakat lebih banyak mengandung sentimen negatif. Hasil Evaluasi dari klasifikasi yang sudah dilakukan menggunakan confusion matrix dan k-fold validation terhadap penggunaan algoritma Naïve Bayes menghasilkan akurasi sebesar 70,56%. Sentimen yang dominan dari penerapan algoritma Text Mining dan Naïve Bayes yaitu sentimen Negatif yang artinya Erspo dipandang negatif dengan kata yang sering muncul “erspo”, “jelek”, “desain”, “wkwk” yang mengungkapkan perasaan kecewa atas jersey Erspo. Analisis ini diharapkan mampu menjadi masukan dan wawasan yang mendukung perkembangan brand Erspo di Indonesia.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Erspo, analisis sentimen, Text Mining, Naïve Bayes, CRISP-DM, brand reputation
Subjects:	T Technology > T Technology (General) > T1-995 Technology (General) T Technology > T Technology (General) > T175-178 Industrial research. Research and development
Divisions:	09-Faculty of Computer Science > 57201-Information Systems (S1)
Depositing User:	Fajar Alamsyah
Date Deposited:	07 Jan 2025 05:25
Last Modified:	07 Jan 2025 05:25
URI:	http://repository.unsri.ac.id/id/eprint/162851

Actions (login required)

View Item