Analisis Sentimen Ulasan Produk Kosmetik Menggunakan Metode Naive Bayes dan Support Vector Machine Classifier Studi Kasus Produk Blush Pada Sephora

Abstract

Sephora adalah salah satu beauty e-commerce terbesar secara global. Sephora menawarkan berbagai macam produk makeup salah satunya blush. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan produk Benetint Liquid Lip Blush & Cheek Tint, Rare Beauty Stay Vulnerable Melting Cream Blush, dan Rare Beauty Soft Pinch Liquid Blush. Ulasan produk dapat memberikan informasi mengenai performa dan kualitas produk yang penting untuk mendukung keputusan pembelian. Ulasan diambil dari situs web sephora.com dengan menggunakan teknik web scraping. Metode analisis sentimen digunakan untuk mengidentifikasi sentimen positif, negatif, atau netral yang terkandung dalam ulasan-ulasan tersebut. Metode Support Vector Machine (SVM) dan Naive Bayes digunakan sebagai model klasifikasi. Akurasi yang didapatkan menunjukkan model Support Vector Machine mempunyai performa yang lebih baik dengan akurasi untuk ulasan produk Benetint Liquid Lip Blush & Cheek Tint 90.6%; Rare Beauty Stay Vulnerable Melting Cream Blush 93.2%; dan Rare Beauty Soft Pinch Liquid Blush 93.4%. menunjukkan kinerja lebih baik dibandingkan dengan Naive Bayes.

Description

Keywords

Analisis Sentimen, Blush, Nave Bayes

Citation