Analisis Sentimen dan Topic Modeling pada Ulasan Produk Wardah dengan Metode Support Vector Machine dan Latent Dirichlet Allocation (Studi Kasus : Ulasan di Platform Komunitas Kecantikan Indonesia)

Abstract

Pertumbuhan industri kecantikan Indonesia yang diproyeksikan mencapai USD 9,7 miliar pada 2025 mendorong pentingnya pemahaman persepsi konsumen terhadap produk lokal. Penelitian ini menganalisis sentimen dan topik utama pada 2.234 ulasan konsumen terhadap empat produk Wardah dari platform komunitas kecantikan menggunakan Support Vector Machine (SVM) dengan pembobotan Term Frequency-Inverse Document Frequency (TF-IDF) dan Latent Dirichlet Allocation (LDA). Hasil menunjukkan kernel RBF mencapai performa terbaik dengan F1-Score makro 82,35%, mengindikasikan keseimbangan yang baik antara precision dan recall serta kemampuan generalisasi yang stabil pada data testing. Analisis topik mengidentifikasi 10 topik pada ulasan positif (coherence 0,4372) yang menekankan efektivitas produk, kenyamanan penggunaan, kandungan aktif seperti niacinamide, dan kepuasan terhadap produk lokal. Sementara itu, 9 topik pada ulasan negatif (coherence 0,4251) menyoroti ketidakcocokan dengan jenis kulit, efek samping seperti bruntusan dan iritasi, tekstur lengket, serta keengganan repurchase. Penelitian ini memberikan wawasan praktis bagi pengembangan formulasi produk dan strategi pemasaran dalam industri kecantikan.