| dc.description.abstract | Kemajuan industri perawatan kulit di Indonesia, khususnya pada segmen
produk sunscreen, telah mendorong peningkatan jumlah ulasan digital yang
dihasilkan oleh konsumen. Ulasan tersebut dapat dimanfaatkan sebagai sumber
informasi yang berharga bagi produsen dalam pengembangan produk maupun bagi
konsumen dalam pengambilan keputusan pembelian. Penelitian ini bertujuan untuk
mengklasifikasikan sentimen ulasan produk sunscreen Facetology pada platform
Shopee serta membandingkan performa metode Support Vector Machine (SVM)
dan Bidirectional Encoder Representations from Transformers (BERT) dalam
melakukan klasifikasi sentimen. Pengumpulan data dilakukan melalui official store
Facetology di Shopee dengan fokus pada varian Brightening. Tahapan penelitian
meliputi pelabelan data, text preprocessing, representasi fitur menggunakan TF-
IDF pada model SVM dengan kernel sigmoid, serta fine-tuning model BERT
menggunakan contextual embedding. Evaluasi performa model dilakukan
menggunakan metrik accuracy, precision, recall, dan F1-score macro. Hasil
penelitian menunjukkan bahwa model SVM memperoleh nilai accuracy sebesar
84%, precision sebesar 62%, recall sebesar 60%, dan F1-score macro sebesar 61%.
Sementara itu, model BERT memperoleh nilai accuracy sebesar 83%, precision
sebesar 45%, recall sebesar 42%, dan F1-score macro sebesar 43%. Berdasarkan
hasil evaluasi tersebut, model SVM menunjukkan performa yang lebih baik
dibandingkan BERT pada seluruh metrik yang digunakan. Oleh karena itu, model
SVM dinilai lebih efektif dalam mengklasifikasikan sentimen ulasan produk
sunscreen Facetology pada penelitian ini. Hasil analisis sentimen terhadap ulasan
konsumen produk Facetology Triple Care Sunscreen Brightening di Shopee dapat
menjadi bahan pertimbangan bagi perusahaan dalam mengevaluasi kualitas produk
serta menyusun strategi pemasaran yang lebih efektif. | en_US |
