Analisis Sentimen Ulasan Pelanggan Terhadap Produk Maybelline pada Platform Shopee Menggunakan Algoritma Support Vector Machine (SVM)

Abstract

Perkembangan e-commerce seperti Shopee memicu tingginya akumulasi ulasan produk dari konsumen, termasuk ulasan untuk produk kosmetik Maybelline Superstay Matte Ink. Banyaknya jumlah ulasan teks tidak terstruktur menyebabkan proses analisis kepuasan pelanggan secara manual menjadi kurang efektif dan efisien. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pelanggan terhadap produk Maybelline pada platform Shopee dengan mengimplementasikan algoritma Support Vector Machine (SVM) berbasis kerangka kerja Cross-Industry Standard Process for Data Mining (CRISP-DM), serta mendeposisi model ke dalam aplikasi web interaktif berbasis Streamlit. Tahapan analisis data meliputi pengumpulan data ulasan Shopee menggunakan Selenium dan BeautifulSoup, pembersihan teks (text preprocessing yang terdiri dari cleaning, case folding, tokenizing, stopword removal, dan stemming), ekstraksi fitur Term Frequency-Inverse Document Frequency (TF-IDF), serta klasifikasi ke dalam tiga kelas sentimen, yaitu Positif, Negatif, dan Netral. Hasil evaluasi pemodelan SVM menunjukkan performa klasifikasi yang optimal dengan tingkat akurasi mencapai 89,25%, precision sebesar 88,50%, recall sebesar 89,10%, dan F1-Score sebesar 88,80%. Aplikasi web Streamlit yang dibangun berhasil mengintegrasikan model trained SVM dengan fitur analisis teks tunggal, pemrosesan batch file CSV, serta visualisasi data berupa diagram distribusi sentimen dan Word Cloud.