KLASIFIKASI POPULARITAS PRODUK SKINCARE BERDASARKAN KARAKTERISTIK PRODUK MENGGUNAKAN ALGORITMA SVM

Kamilatutsaniya, Nila (2025) KLASIFIKASI POPULARITAS PRODUK SKINCARE BERDASARKAN KARAKTERISTIK PRODUK MENGGUNAKAN ALGORITMA SVM. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

This is the latest version of this item.

[img] Text (Full text)
RAMA_57201_2113030064.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (2MB)
[img] Text (Similarity)
RAMA_57201_2113030064_SIMILARITY.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (1MB)
[img] Text (Cover sd BAB 1 + References)
RAMA_57201_2113030064_0723058501_0706098902_01_front_ref.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (601kB)
[img] Text (BAB 2)
RAMA_57201_2113030064_0723058501_0706098902_02.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (425kB)
[img] Text (BAB 3)
RAMA_57201_2113030064_0723058501_0706098902_03.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (395kB)
[img] Text (BAB 4)
RAMA_57201_2113030064_0723058501_0706098902_04.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (1MB)
[img] Text (BAB 5)
RAMA_57201_2113030064_0723058501_0706098902_05.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (180kB)
[img] Text (References)
RAMA_57201_2113030064_0723058501_0706098902_06_ref.pdf - Bibliography
Available under License Creative Commons Public Domain Dedication.

Download (181kB)
[img] Text (Lampiran)
RAMA_57201_2113030064_0723058501_0706098902_07_lamp .pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (1MB)

Abstract

Meningkatnya pertumbuhan industri skincare di indonesia mendorong toko seperti sephora menghadirkan beragam pilihan produk yang bervariasi. Sebagai respon terhadap meningkatnya pertumbuhan produk, kondisi ini memunculkan tantangan baru bagi konsumen dalam memilih produk yang sesuai dengan preferensi mereka, mengingat banyaknya produk yang ditawarkan. Menentukan popularitas suatu produk secara manual dinilai kurang praktis dan memakan waktu, oleh karena itu penggunaan model algoritma berbasis data dalam penelitian ini dapat memberikan solusi yang lebih efisien. Penelitian ini bertujuan untuk membangun model klasifikasi popularitas produk menggunakan algoritma Support Vector Machine (SVM) dengan pendekatan supervised learning berdasarkan karakteristik produk. Dengan menggunakan data sekunder dari kaggle, data diolah dan di analisa berdasarkan tahapan kerangka kerja CRISP-DM, meliputi pemahaman bisnis, pemahaman data, persiapan data, pemodelan, dan evaluasi, Model dibangun dengan membandingkan performa tiga jenis kernel SVM, yaitu linear, RBF, dan Polynomial. Hasil penelitian menunjukkan bahwa kernel linear memiliki performa terbaik dengan akurasi mencapai 98,52% dalam mengklasifikasikan popularitas produk, sedangkan kernel RBF dan Polynomial kurang optimal dalam mengklasifikasikan kelas minoritas (‘Populer’). Fitur seperti (n_of_loves), (n_of_reviews), rasio ulasan terhadap loves, dan (return_on_reviews) terbukti berpengaruh signifikan terhadap tingkat popularitas produk. Temuan ini diharapkan dapat memberikan kontribusi dalam pengembangan model prediksi berbasis machine learning untuk mendukung pengambilan keputusan dalam pemasaran produk skincare yang lebih efektif.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Klasifikasi, Machine Learning, Popularitas, Skincare, SVM
Subjects: 340 Health sciences > 351 Public health
410 Engineering science > 459 Computer science
Divisions: Fakultas Teknik dan Ilmu Komputer > S1-Sistem Informasi
Depositing User: Nila Kamilatutsaniya
Last Modified: 06 Aug 2025 15:37
URI: http://repository.unpkediri.ac.id/id/eprint/19971

Available Versions of this Item

Actions (login required)

View Item View Item