PENERAPAN METODE SUPPORT VECTOR MACHINE UNTUK ANALISIS
SENTIMEN BERBASIS ASPEK PADA ULASAN PRODUK SKINCARE DENGAN
PEMODELAN LATENT DIRICHLET ALLOCATION (LDA)
Total View This Week0
Total View This Week0
Institusion
Universitas Pembangunan Nasional Veteran Yogyakarta
Author
Pramest, Nindita Ardya
Subject
H Social Sciences (General)
Datestamp
2024-07-31 07:13:41
Abstract :
Berkembangnya industri kecantikan membuat produk skincare semakin beragam, toner dengan bahan utama Centella Asiatica menjadi salah satu produk skincare yang mendapatkan perhatian khusus. Semakin beragamnya produk toner yang tersedia di pasar skincare, semakin meningkat pula selektivitas konsumen dalam pemilihan produk. Female Daily merupakan platform yang digunakan untuk menampung segala review produk skincare. Namun, jumlah review yang tersedia sangat banyak, membuat konsumen membutuhkan waktu yang cukup lama dalam membaca secara keseluruhan review. Penelitian ini dapat membantu konsumen sebagai bahan pertimbangan pembelian suatu produk melalui Analisis sentimen dengan mengimplementasikan dan menganalisa performa metode Latent Dirichlet Allocation untuk pemodelan topik dan metode Support Vector Machine untuk mengklasifikasikan sentimen data ulasan produk skincare ke dalam dua kelas yaitu positif dan negatif. Tahapan analisis sentimen pada penelitian ini dimulai dengan pengumpulan data dengan web scraping ulasan pada platfrom Female Daily dengan jumlah 1000 ulasan. Selanjutnya, preprocessing untuk menghasilkan data yang terstruktur. Pada pemodelan topik menggunakan metode Latent Dirichlet Allocation dan labelisasi ulasan menggunakan InSet Lexicon. Kemudian, dilakukan pembobotan kata menggunakan TF-IDF dan data splitting sebelum data diseimbangkan pada setiap kelasnya menggunakan SMOTE, data dilakukan proses pembagian data latih dan data uji dengan perbandingan 80:20. Selanjutnya dilakukan pemodelan klasifikasi menggunakan support vector machine, kemudian dilakukan pengujian menggunakan confusion matrix dan k-fold cross validation untuk mengevaluasi kinerja model klasifikasi, mengetahui tingkat akurasi, dan keberhasilan model klasifikasi. Penelitian ini menghasilkan tiga aspek yaitu Penggunaan Produk, Kualitas Produk, dan Pembelian Produk. LDA menghasilkan coherence score tertinggi 0.333 berdasarkan distribusi jumlah topik pada num topic 3 dari 2-10. Kemudian, labeling InSet Lexicon menghasilkan 392 ulasan positif, dan 608 ulasan negatif. Hasil pengujian menggunakan confusion matrix dan k-fold cross validation, algoritma SVM memperoleh akurasi sebesar 82,5%, rata-rata presisi sebesar 82,03%, dan rata-rata recall sebesar 80,29%, sementara pada pengujian k-fold dengan K=5 memperoleh akurasi tertingi sebesar 80.63% pada fold ke dua dan ke tiga. Kemudian, dilakukan resampling dengan hasil akurasi 84,5%, rata-rata presisi sebesar 83,51%, dan rata-rata recall sebesar 83,68%. Pada pengujian k-fold dengan K=5 menggunakan SMOTE menghasilkan akurasi k-fold tertinggi sebesar 89,64 % pada fold ke lima. Kata kunci : Analisis Sentimen Berbasis Aspek, Skincare, Latent Dirichlet Allocation, Support Vector Machine, SMOTE
Berkembangnya industri kecantikan membuat produk skincare semakin beragam, toner dengan bahan utama Centella Asiatica menjadi salah satu produk skincare yang mendapatkan perhatian khusus. Semakin beragamnya produk toner yang tersedia di pasar skincare, semakin meningkat pula selektivitas konsumen dalam pemilihan produk. Female Daily merupakan platform yang digunakan untuk menampung segala review produk skincare. Namun, jumlah review yang tersedia sangat banyak, membuat konsumen membutuhkan waktu yang cukup lama dalam membaca secara keseluruhan review. Penelitian ini dapat membantu konsumen sebagai bahan pertimbangan pembelian suatu produk melalui Analisis sentimen dengan mengimplementasikan dan menganalisa performa metode Latent Dirichlet Allocation untuk pemodelan topik dan metode Support Vector Machine untuk mengklasifikasikan sentimen data ulasan produk skincare ke dalam dua kelas yaitu positif dan negatif. Tahapan analisis sentimen pada penelitian ini dimulai dengan pengumpulan data dengan web scraping ulasan pada platfrom Female Daily dengan jumlah 1000 ulasan. Selanjutnya, preprocessing untuk menghasilkan data yang terstruktur. Pada pemodelan topik menggunakan metode Latent Dirichlet Allocation dan labelisasi ulasan menggunakan InSet Lexicon. Kemudian, dilakukan pembobotan kata menggunakan TF-IDF dan data splitting sebelum data diseimbangkan pada setiap kelasnya menggunakan SMOTE, data dilakukan proses pembagian data latih dan data uji dengan perbandingan 80:20. Selanjutnya dilakukan pemodelan klasifikasi menggunakan support vector machine, kemudian dilakukan pengujian menggunakan confusion matrix dan k-fold cross validation untuk mengevaluasi kinerja model klasifikasi, mengetahui tingkat akurasi, dan keberhasilan model klasifikasi. Penelitian ini menghasilkan tiga aspek yaitu Penggunaan Produk, Kualitas Produk, dan Pembelian Produk. LDA menghasilkan coherence score tertinggi 0.333 berdasarkan distribusi jumlah topik pada num topic 3 dari 2-10. Kemudian, labeling InSet Lexicon menghasilkan 392 ulasan positif, dan 608 ulasan negatif. Hasil pengujian menggunakan confusion matrix dan k-fold cross validation, algoritma SVM memperoleh akurasi sebesar 82,5%, rata-rata presisi sebesar 82,03%, dan rata-rata recall sebesar 80,29%, sementara pada pengujian k-fold dengan K=5 memperoleh akurasi tertingi sebesar 80.63% pada fold ke dua dan ke tiga. Kemudian, dilakukan resampling dengan hasil akurasi 84,5%, rata-rata presisi sebesar 83,51%, dan rata-rata recall sebesar 83,68%. Pada pengujian k-fold dengan K=5 menggunakan SMOTE menghasilkan akurasi k-fold tertinggi sebesar 89,64 % pada fold ke lima. Kata kunci : Analisis Sentimen Berbasis Aspek, Skincare, Latent Dirichlet Allocation, Support Vector Machine, SMOTE
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
