Penerapan Metode Support Vector Machine Untuk Analisis Sentimen Terhadap Produk Skincare

Abstract

Perawatan kulit telah menjadi aspek yang signifikan dalam pola hidup modern. Kesadaran masyarakat terhadap penampilan dan kesehatan kulit semakin meningkat, mendorong permintaan terus berkembang untuk produk skincare. Konsumen sering menghadapi kesulitan dalam memilih produk yang sesuai dengan jenis kulit mereka, di mana ulasan dari pengguna lain bisa menjadi panduan berharga, namun juga berpotensi menyebabkan kebingungan jika tidak dikelola dengan baik. Mengetahui sentimen konsumen terhadap produk skincare tidak hanya membantu produsen dan pengecer memahami penerimaan produk, tetapi juga memberikan arahan bagi konsumen lain dalam pengambilan keputusan. Kemajuan dalam teknologi analisis sentimen memungkinkan penelitian yang lebih efisien dan akurat terhadap pandangan konsumen mengenai produk skincare. Analisis sentimen dapat dijalankan secara otomatis menggunakan algoritma dan model kecerdasan buatan, di mana Support Vector Machine (SVM) menjadi salah satu metode yang efektif dalam permasalahan klasifikasi. SVM memberikan wawasan mendalam mengenai sentimen yang terkandung dalam ulasan konsumen. Dataset yang digunakan mengandung komentar dan ulasan dari pengguna terkait produk skincare MS Glow, dengan total 3.006 data. Proses selanjutnya melibatkan tahap pre-processing data, yang mencakup langkah-langkah seperti Case Folding, Normalisasi Data, Tokenisasi, Filtrasi Stop Words, dan Stemming. Pada tahap pemodelan, SVM digunakan untuk mengklasifikasi sentimen atau opini pengguna terhadap produk skincare tersebut. Hasil akhir menunjukkan bahwa model dengan ketidakseimbangan kelas mengalami overfitting, di mana performa model optimal hanya pada data pelatihan dan kurang efektif pada data uji. Namun, dengan melatih model menggunakan kelas yang seimbang dan menerapkan teknik SMOTE, ditemukan hasil optimal, mencapai akurasi sebesar 99.60% dan nilai f1-score sebesar 98.55%.