PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN ULASAN PELANGGAN TOKO LIVIA CIREBON DI SHOPPE

Syaeful Annas; Nana Suarna; Irfan Ali; Heliyanti Susana

doi:10.35760/ik.2024.v29i3.13109

PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN ULASAN PELANGGAN TOKO LIVIA CIREBON DI SHOPPE

Syaeful Annas
STMIK IKMI CIREBON
Indonesia

Nana Suarna
STMIK IKMI CIREBON
Indonesia

Irfan Ali
STMIK IKMI CIREBON
Indonesia

Heliyanti Susana
STMIK IKMI CIREBON
Indonesia

DOI: http://dx.doi.org/10.35760/ik.2024.v29i3.13109

Article Submitted: 07 December 2024

Article Published: 31 December 2024

Abstract

Analisis sentimen adalah proses yang bertujuan untuk memahami opini pelanggan dengan mengklasifikasikan ulasan menjadi sentimen positif, netral, atau negatif. Penelitian ini bertujuan untuk mengembangkan model analisis sentimen berbasis algoritma Support Vector Machine (SVM) terhadap ulasan pelanggan Toko Livia Cirebon di platform Shopee. Pendekatan penelitian dilakukan secara kuantitatif, dengan tahapan meliputi pengumpulan data, pra-pemrosesan teks (cleansing, normalisasi slang, tokenisasi, penghapusan stopword, dan stemming), pelabelan menggunakan Inset Lexicon, transformasi data teks menjadi vektor numerik dengan metode TF-IDF, pelatihan model SVM, serta evaluasi performa menggunakan metrik akurasi, precision, recall, dan F1-score. Model yang dikembangkan mencapai akurasi sebesar 91% dengan performa terbaik pada sentimen positif (F1-score 95%), meskipun performa pada kategori netral dan negatif masih memerlukan peningkatan. Hasil penelitian ini menunjukkan bahwa algoritma SVM efektif untuk analisis sentimen dalam e-commerce, memberikan wawasan strategis bagi pemilik usaha untuk menyusun strategi pemasaran dan meningkatkan kualitas layanan.

Keywords

Analisis Sentimen; E-commerce; Support Vector Machine;Ulasan Pelanggan; TF-IDF

References

N. Fitriyah, B. Warsito, and D. A. I. Maruddani, “Analisis Sentimen Gojek Pada Media Sosial Twitter Dengan Klasifikasi Support Vector Machine (Svm),” J. Gaussian, vol. 9, no. 3, pp. 376–390,2020,doi:10.14710/j.gauss.v9i3.28932.

R. Parlika, S. Ilham Pradika, A. Muhammad Hakim, and K. Rachman N.M, “Analisis Sentimen Twitter Terhadap Bitcoin dan Cryptocurrency Berbasis Python TextBlob,” J. Ilm. Teknol. Inf. dan Robot., vol. 2, no. 2, pp. 33–37, 2020, doi: 10.33005/jifti.v2i2.22.

A. P. Nardilasari, A. L. Hananto, S. S. Hilabi, T. Tukino, and B. Priyatna, “Analisis Sentimen Calon Presiden 2024 Menggunakan Algoritma SVM Pada Media Sosial Twitter,” JOINTECS (Journal Inf. Technol. Comput. Sci., vol. 8, no. 1, p. 11, 2023, doi: 10.31328/jointecs.v8i1.4265.

V. Fitriyana, L. Hakim, D. Candra Rini Novitasari, and A. Hanif, “Analisis Sentimen Ulasan Aplikasi Jamsostek Mobile Menggunakan Metode Support Vector Machine Vina,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 9, no. 4, pp. 3436–3442, 2022, doi: 10.35957/jatisi.v9i4.3586.

R. Nurfitriana Handayani, “Optimasi Algoritma Support Vector Machine Untuk AnalisisSentimen Pada Ulasan Produk Tokopedia Menggunakan Pso,” Media Inform., vol. 20, no. 2, pp. 97–108, 2021.

T. A. Zuraiyah, M. M. Mulyati, and G. H. F. Harahap, “Perbandingan Metode Naïve Bayes, Support Vector Machine Dan Recurrent Neural Network Pada Analisis Sentimen Ulasan Produk E-Commerce,” Multitek Indones., vol. 17, no. 1, pp. 27–43, 2023, doi: 10.24269/mtkind.v17i1.7092.

D. Mustikananda, D. E. Ratnawati, and B. Rahayudi, “Perbandingan Algoritma Naïve Bayes dan Support Vector Machine untuk Analisis Sentimen terhadap Review Produk Aster Kosmetik Malang Marketplace Shopee,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 7, pp. 3137–3144, 2022.

A. I. Tanggraeni and M. N. N. Sitokdana, “Analisis Sentimen Aplikasi E-Government pada Google Play Menggunakan Algoritma Naïve Bayes,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 9, no. 2, pp. 785–795, 2022, doi: 10.35957/jatisi.v9i2.1835.

H. Tuhuteru, “Analisis Sentimen Masyarakat Terhadap Pembatasan Sosial Berksala Besar Menggunakan Algoritma Support Vector Machine,” Inf. Syst. Dev., vol. 5, no. 2, pp. 7–13, 2020.

O. I. Gifari, M. Adha, F. Freddy, and F. F. S. Durrand, “Analisis Sentimen Review Film Menggunakan TF-IDF dan Support Vector Machine,” J. Inf. Technol., vol. 2, no. 1, pp. 36–40, 2022, doi: 10.46229/jifotech.v2i1.330.

D. Oktavia, Y. R. Ramadahan, and Minarto, “Analisis Sentimen Terhadap Penerapan Sistem E-Tilang Pada Media Sosial Twitter Menggunakan Algoritma Support Vector Machine (SVM),” KLIK Kaji. Ilm. Inform. dan Komput., vol. 4, no. 1, pp. 407–417, 2023, doi: 10.30865/klik.v4i1.1040.

F. F. Irfani, M. Triyanto, A. Dwi Hartanto, and Kusnawi, “Analisis Sentimen Review Aplikasi Ruangguru Menggunakan Algoritma Support Vector Machine,” JBMI (Jurnal Bisnis, Manajemen, dan Inform., vol. 16, no. 3, pp. 258–266, 2020, doi: 10.26487/jbmi.v16i3.8607.

D. Musfiroh, U. Khaira, P. E. P. Utomo, and T. Suratno, “Analisis Sentimen terhadap Perkuliahan Daring di Indonesia dari Twitter Dataset Menggunakan InSet Lexicon,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 1, no. 1, pp. 24–33, 2021, doi: 10.57152/malcom.v1i1.20.

J. A. Septian, T. M. Fachrudin, and A. Nugroho, “Analisis Sentimen Pengguna Twitter Terhadap Polemik Persepakbolaan Indonesia Menggunakan Pembobotan TF-IDF dan K-Nearest Neighbor,” J. Intell. Syst. Comput., vol. 1, no. 1, pp. 43–49, 2019, doi: 10.52985/insyst.v1i1.36.

A. Pangestu, Y. Tajul Arifin, and R. Ade Safitri, “Analisis Sentimen Review Publik Pengguna Game Online Pada Platform Steam Menggunakan Algoritma Naïve Bayes,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 6, pp. 3106–3113, 2024, doi: 10.36040/jati.v7i6.8829.

E. R. Subhiyakto, Y. P. Astuti, N. Alexander, and E. Kartikadarma, “Analisis Sentimen Menggunakan Metode Naïve Bayes Untuk Mengetahui Respon Masyarakat Terhadap Vaksinasi,” J. Ilm. Intech Inf. Technol. J. UMUS, vol. 4, no. 02, pp. 179–188, 2022, doi: 10.46772/intech.v4i02.864.

T. Arifqi, N. Suarna, and W. Prihartono, “Penggunaan Naive Bayes Dalam Menganalisis Sentimen Ulasan Aplikasi Mcdonald’S Di Indonesia,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 2, pp. 1949–1956, 2024, doi: 10.36040/jati.v8i2.8740.

Haris and D. Eka Ratnawati, “Analisis Sentimen berbasis Aspek terhadap Data Ulasan menggunakan Metode K-Nearest Neighbor (Studi Kasus: Aplikasi Olsera POS),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 6, pp. 3041–3046, 2023, [Online]. Available: http://j-ptiik.ub.ac.id

M. Bagas Dikal Putra and E. Setiawan, “METODE LEXICON BASED UNTUK ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP KINERJA ISP,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 6, pp. 12079–12087, 2024.

T. Safitri, Y. Umaidah, and I. Maulana, “Analisis Sentimen Pengguna Twitter Terhadap Grup Musik BTS Menggunakan Algoritma Support Vector Machine,” J. Appl. Informatics Comput., vol. 7, no. 1, pp. 28–35, 2023, doi: 10.30871/jaic.v7i1.5039.