SEPTIANO, Mohammad Nafiis (2025) Penerapan Web Scraping dan Klasifikasi Support Vector Machine Untuk Menentukan Produk Terlaris Serta Tren Pasar Berdasarkan Kategori Pada Marketplace. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Mohammad Nafiis Septiano-H1D021080-Skripsi-2025.pdf Download (109kB)
	PDF (Legalitas) LEGALITAS-Mohammad Nafiis Septiano-H1D021080-Skripsi-2025.pdf Restricted to Repository staff only Download (702kB)
	PDF (Abstrak) ABSTRAK-Mohammad Nafiis Septiano-H1D021080-Skripsi-2025.pdf Download (212kB)
	PDF (BabI) BAB-I-Mohammad Nafiis Septiano-H1D021080-Skripsi-2025.pdf Restricted to Repository staff only Download (181kB)
	PDF (BabII) BAB-II-Mohammad Nafiis Septiano-H1D021080-Skripsi-2025.pdf Restricted to Repository staff only Download (228kB)
	PDF (BabIII) BAB-III-Mohammad Nafiis Septiano-H1D021080-Skripsi-2025.pdf Restricted to Repository staff only Download (431kB)
	PDF (BabIV) BAB-IV-Mohammad Nafiis Septiano-H1D021080-Skripsi-2025.pdf Restricted to Repository staff only Download (1MB)
	PDF (BabV) BAB-V-Mohammad Nafiis Septiano-H1D021080-Skripsi-2025.pdf Download (127kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Mohammad Nafiis Septiano-H1D021080-Skripsi-2025.pdf Download (195kB)

Abstract

Perkembangan e-commerce di Indonesia yang pesat mendorong kebutuhan untuk menganalisis data penjualan guna mengidentifikasi tren pasar dan produk terlaris. Penelitian ini menggunakan metode web scraping pada platform Tokopedia untuk mengumpulkan data produk yang relevan. Data yang dikumpulkan mencakup kategori, nama produk, harga, jumlah terjual, rating, dan lokasi toko. Proses pengambilan data ini memanfaatkan Selenium dan BeautifulSoup, diikuti dengan tahapan data preprocessing seperti pembersihan duplikasi, transformasi tipe data, penentuan label klasifikasi biner, serta pembagian data latih dan uji. Metode klasifikasi yang diterapkan adalah Support Vector Machine (SVM) dengan pendekatan supervised learning, di mana produk dikategorikan menjadi terlaris atau tidak terlaris berdasarkan jumlah penjualannya. Analisis tambahan dilakukan melalui visualisasi distribusi penjualan, tren pasar harian dan mingguan, serta identifikasi lima produk teratas pada setiap kategori. Hasil penelitian menunjukkan bahwa model SVM memiliki akurasi 87,59% dalam mengklasifikasikan produk. Visualisasi tren penjualan juga memberikan wawasan tentang perbedaan preferensi konsumen antar kategori. Temuan ini diharapkan dapat dimanfaatkan oleh para pelaku bisnis sebagai dasar untuk pengambilan keputusan strategis, seperti penentuan stok, strategi promosi, dan pengembangan produk yang sesuai dengan kebutuhan pasar.

Actions (login required)

View Item