Analisis Sentimen Ulasan Skintific 5x Ceramide Barrier Repair Moisture Gel Pada Platform Female Daily Menggunakan SVM Dan Naïve Bayes

Abstract

Perkembangan industri skincare di Indonesia mendorong meningkatnya jumlah ulasan konsumen pada platform digital, salah satunya Female Daily. Ulasan tersebut dapat dimanfaatkan untuk mengetahui persepsi pengguna terhadap suatu produk melalui analisis sentimen. Penelitian ini bertujuan menganalisis sentimen ulasan produk Skintific 5X Ceramide Barrier Repair Moisture Gel serta membandingkan performa algoritma Naïve Bayes dan Support Vector Machine (SVM). Data penelitian diperoleh menggunakan teknik web scraping pada platform Female Daily sebanyak 1.029 ulasan. Pelabelan sentimen dilakukan secara manual (ground truth) oleh dua anotator independen dan divalidasi menggunakan Cohen’s Kappa. Tahapan pengolahan data meliputi preprocessing, pembobotan TF-IDF, serta klasifikasi menggunakan Naïve Bayes dan SVM dengan metode Stratified 10-Fold Cross Validation. Hasil pelabelan menunjukkan bahwa sentimen positif mendominasi dataset sebesar 85,62%, diikuti sentimen netral 8,94%, dan sentimen negatif 5,44%. Nilai Cohen’s Kappa sebesar 0,6638 menunjukkan tingkat kesepakatan yang tinggi antar anotator. Hasil klasifikasi menunjukkan bahwa Naïve Bayes memperoleh accuracy 85,62% dan macro F1-score 31,48%, sedangkan SVM memperoleh accuracy 88,73% dan macro F1-score 58,12%. Penerapan SVM Balanced memberikan hasil terbaik dengan accuracy 89,12% dan macro F1-score 63,11%. Hasil penelitian menunjukkan bahwa SVM Balanced lebih efektif dibandingkan Naïve Bayes dalam mengklasifikasikan sentimen pada dataset yang tidak seimbang.