@misc{eprints65794,
           month = {Juli},
           title = {Analisis Kepuasan Pelanggan Pada Pelayanan E-commerce Tokopedia dan Shopee Pada Twitter Menggunakan Recurrent Neural Network},
          author = {1617051136 Ajijah},
         address = {UNIVERSITAS LAMPUNG},
       publisher = {FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM},
            year = {2022},
             url = {http://digilib.unila.ac.id/65794/},
        abstract = {Data di Twitter dapat digunakan untuk melihat kepuasan pelayanan suatu e-commerce karena para pengguna memberi suatu tulisan atau tweet mengenai pelayanan e-commerce. Analisis yang akan dilakukan dapat bermanfaat untuk mengetahui pendapat pengguna Twitter terkait kepuasaan pelanggan pada suatu e-commerce. Objek yang dipilih dalam penelitian ini yaitu platform e-commerce perusahaan teknologi Indonesia Tokopedia dan perusahaan teknologi asing Shopee. Penelitian ini membandingan akurasi, presisi, recall, dan f1-score antara dua algoritme, yaitu RNN dan Na{\"i}ve Bayes. Data yang digunakan berbahasa Indonesia, dengan jumlah sebanyak 1002 data Tokopedia dan 1000 data Shopee, dibagi menjadi dua jenis data sebanyak 80\% data latih dan 20\% data uji. Diperoleh hasil dari analisis dengan metode RNN pada data Tokopedia menggunakan algoritme LSTM akurasi sebesar 78\%, presisi 78\%, recall 78\%, dan f1-score 78\%. Pada data Shopee menggunakan Simple RNN menghasilkan nilai akurasi 58\%, presisi 58\%, recall 58\%, dan f1-score 58\%.

Kata kunci: Analisis Sentimen, Klasifikasi, RNN, Shopee, Teks mining, Tokopedia, Twitter.

Data on Twitter can be used to see the satisfaction of an e-commerce service because users give an article or tweet about e-commerce services. The analysis that will be carried out can be useful for knowing the opinions of Twitter users regarding customer satisfaction in an e-commerce. The objects chosen in this study are the e-commerce platform of the Indonesian technology company Tokopedia and the foreign technology company Shopee. This study compares the accuracy, precision, recall, and f1-score between the two RNN algorithms and the Na{\"i}ve Bayes algorithm. The data is in Indonesian language, totaling 1002 Tokopedia data and 1000 Shopee data, were divided into two types of data, 80\% training data and 20\% test data. The results obtained from the analysis using the RNN method on Tokopedia data using the LSTM algorithm is 78\% accuracy, 78\% precision, 78\% recall, and 78\% f1-score, where the Shopee data using Simple RNN resulted 58\% accuracy, 58\% precision, 58\% recall, and an f1-score of 58\%.

Keywords: Clasification, RNN, Shopee, Sentiment analysis, Text mining Tokopedia, Twitter. }
}