Analisis Sentimen Ulasan Produk Toner Pada Beauty Brand “The Body Shop” Menggunakan Metode Naïve Bayes Classifier Dan Support Vector Machine: Studi Kasus Di Female Daily

Abstract

Seiring pertumbuhan e-commerce, peranan media sosial saat ini telah bertransformasi menjadi social commerce. Pertumbuhan ini secara tidak langsung mengubah cara berinteraksi word of mouth marketing (WOMM) dari tradisional menjadi modern. Media sosial dapat memberikan ruang bagi konsumen untuk saling memberikan ulasan dan rekomendasi. Female Daily merupakan suatu komunitus online kecantikan terbesar di Indonesia yang menyediakan interaksi sosial untuk saling memberikan ulasan maupun rekomendasi. Mengevaluasi ulasan produk The Tea Tree Skin Clearing Toner dari Beauty Brand “THE BODY SHOP” dengan jumlah yang banyak membutuhkan analisis sentimen untuk mengelompokkan ulasan konsumen menjadi opini positif, negatif, atau netral. Data ulasan tersebut dilabeli dan dianalisis dengan menggunakan metode Support Vector Machine (SVM) dan Naïve Bayes Classifier (NBC) untuk mengklasifikasikan data ulasan. Sentimen tersebut dapat membantu baik perusahaan maupun individu untuk mengetahui kualitas produk secara detail. Dataset terdiri dari 1.050 ulasan terbagi menjadi 780 ulasan positif dan 270 ulasan negatif. Klasifikasi dengan metode SVM dengan kernel linear diperoleh tingkat akurasi sebesar 86% dengan nilai Area Under Rate (AUC) sebesar 0.91, yang lebih besar daripada tingkat akurasi menggunakan metode NBC yaitu sebesar 83% dengan nilai Area Under Rate (AUC) sebesar 0.82. Oleh karena itu, klasifikasi data ulasan produk Tea Tree Skin Clearing Mattifying Toner “The Body Shop” di Female Daily sebaiknya dilakukan menggunakan algoritma Support Vector Machine daripada Naïve Bayes.