PENERAPAN METODE SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN BERBASIS ASPEK PADA ULASAN PRODUK SKINCARE DENGAN PEMODELAN LATENT DIRICHLET ALLOCATION (LDA)

Pramest, Nindita Ardya (2024) PENERAPAN METODE SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN BERBASIS ASPEK PADA ULASAN PRODUK SKINCARE DENGAN PEMODELAN LATENT DIRICHLET ALLOCATION (LDA). Diploma thesis, UPN Veteran Yogyakarta.

	Text COVER.pdf Download (179kB)
	Text ABSTRAK.pdf Download (149kB)
	Text DAFTAR ISI.pdf Download (126kB)
	Text DAFTAR PUSTAKA.pdf Download (164kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (176kB)
	Text PENGESAHAN PENGUJI.pdf Download (247kB)
	Text SKRIPSI FULL_NINDITA ARDYA PRAMESTI_123200126.pdf Restricted to Repository staff only Download (7MB)

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

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Analisis Sentimen Berbasis Aspek, Skincare, Latent Dirichlet Allocation, Support Vector Machine, SMOTE
Subjects:	H Social Sciences > H Social Sciences (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	31 Jul 2024 07:13
Last Modified:	31 Jul 2024 07:13
URI:	http://eprints.upnyk.ac.id/id/eprint/40540

Actions (login required)

View Item