Analisis Sentimen Review Brand Kecantikan Lokal pada Platform X Menggunakan Algoritma Support Vector Machine dan IndoBERTweet
Main Article Content
Abstract
Industri kecantikan di Indonesia terus berkembang seiring meningkatnya minat
masyarakat terhadap skincare dan makeup. Media sosial, khususnya platform X (Twitter),
menjadi wadah utama konsumen menyampaikan opini mengenai brand lokal. Ulasan tersebut
bernilai informatif, meski subjektif dan tidak terstruktur, sehingga diperlukan analisis sentimen.
Penelitian ini membandingkan kinerja Support Vector Machine (SVM) dan IndoBERTweet
dalam mengklasifikasikan sentimen ulasan lima brand lokal: Wardah, Scarlett Whitening,
Avoskin, Skin Game, dan Somethinc. Data diperoleh melalui crawling 13.934 tweet, dipilih
4.000 secara acak, dibersihkan, serta dilabeli manual ke dalam empat kelas: positif, negatif,
netral, dan others. Analisis dilakukan dengan tiga skenario klasifikasi. Random Oversampling
digunakan untuk mengatasi ketidakseimbangan, SVM dioptimalkan dengan TF-IDF dan Grid
Search, sedangkan IndoBERTweet melalui fine-tuning. Hasil menunjukkan IndoBERTweet
konsisten lebih unggul dengan akurasi 95%, 92%, dan 88% pada tiga skenario, dibandingkan
SVM dengan 93%, 89%, dan 86%.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
[1] Farley Rafa Aurellia, Hanny Hafiar, and C. C. Priyatna, “Analisis Media Monitoring terhadap Brand Kecantikan Hanasui pada Bulan Maret 2023,” J. Ris. Public Relations, vol. 3, pp. 149–160, Dec. 2023, doi: 10.29313/jrpr.v3i2.3210.
[2] M. Zania Maharani, “Analisis Sentimen Positif Terhadap Avoskin sebagai Eco Friendly Brand di Media Sosial X dan TikTok,” Agustus, vol. 1, no. 3, pp. 125–140, 2024, doi: 10.62383.
[3] Irwanto and L. Retno, “Penggunaan Skincare dan Penerapan Konsep Beauty 4.0 Pada Media Sosial (Studi Netnografi Wanita Pengguna Instagram),” J. Komun., vol. 11, no. 2, pp. 119–128, 2020, doi: https://doi.org/10.31294/jkom.v11i2.8366.
[4] E. Sulistyaningsih and D. S. Siswanto, “Implementasi dan Pemanfaatan Teknologi Digital untuk Meningkatkan Brand Awareness pada Produk Skincare di Indonesia,” J. Multidisiplin Borobudur-79 J. Multidisiplin Borobudur, vol. 1, no. 2, pp. 79–87, 2023.
[5] N. O. Fauziah and A. Khairunnisa, “Pemberdayaan Perempuan Melalui Pelatihan Kecantikan Tata Rias Wajah Women Empowerment Through Facial Makeup Beauty Training,” Nusant. Hasana J., vol. 3, no. 2, pp. 193–198, 2023.
[6] T. Astuti and Y. Astuti, “Analisis Sentimen Review Produk Skincare Dengan Naïve Bayes Classifier Berbasis Particle Swarm Optimization (PSO),” J. MEDIA Inform. BUDIDARMA, vol. 6, no. 4, p. 1806, Oct. 2022, doi: 10.30865/mib.v6i4.4119.
[7] Irbah salsabila and Yuliant Sibaroni, “Multi Aspect Sentiment of Beauty Product Reviews using SVM and Semantic Similarity,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 3, pp. 520–526, 2021, doi: 10.29207/resti.v5i3.3078.
[8] Z. A. W. Sugandi and S. Sarmini, “Implementasi Metode Support Vector Machine (SVM) Pada Sistem Rekomendasi Produk Perawatan Wajah Berbasis Web,” J. Sist. dan Teknol. Inf., vol. 12, no. 3, p. 388, Jul. 2024, doi: 10.26418/justin.v12i3.74905.
[9] O. Riska Dinda Anissa and R. P. Tobing, “PENGARUH PRODUCT REVIEW DAN VIRAL MARKETING TERHADAP PURCHASE INTENTION PRODUK SKINCARE MEREK LOKAL INDONESIA (Studi Kasus Pada Pengguna Aplikasi Media Sosial TikTok),” Online) J. Educ. Lang. Res., vol. 2, no. 1, pp. 2807–937, 2022, [Online]. Available: http://bajangjournal.com/index.php/JOEL
[10] J. C. Setiawan, K. M. Lhaksmana, and B. Bunyamin, “Sentiment Analysis of Indonesian TikTok Review Using LSTM and IndoBERTweet Algorithm,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 8, no. 3, pp. 774–780, Aug. 2023, doi: 10.29100/jipi.v8i3.3911.
[11] H. M. Lee and Y. Sibaroni, “Comparison of IndoBERTweet and Support Vector Machine on Sentiment Analysis of Racing Circuit Construction in Indonesia,” J. MEDIA Inform. BUDIDARMA, vol. 7, no. 1, p. 99, Jan. 2023, doi: 10.30865/mib.v7i1.5380.
[12] M. Z. Subarkah, M. Hilda, and E. Zukhronah, “Analisis Sentimen Review Tempat Wisata Pada Data Online Travel Agency Di Yogyakarta Menggunakan Model Neural Network IndoBERTweet Fine Tuning,” Semin. Nas. Off. Stat., vol. 2022, no. 1, pp. 543–552, Nov. 2022, doi: 10.34123/semnasoffstat.v2022i1.1246.
[13] S. Borrohou, R. Fissoune, and H. Badir, “Data cleaning survey and challenges – improving outlier detection algorithm in machine learning,” J. Smart Cities Soc., vol. 2, no. 3, pp. 125–140, Oct. 2023, doi: 10.3233/SCS-230008.
[14] T. Xia et al., “Rethinking Data Selection at Scale: Random Selection is Almost All You Need,” no. 2, pp. 1–15, 2024, [Online]. Available: http://arxiv.org/abs/2410.09335
[15] K. Rahayu, V. Fitria, D. Septhya, R. Rahmaddeni, and L. Efrizoni, “Klasifikasi Teks untuk Mendeteksi Depresi dan Kecemasan pada Pengguna Twitter Berbasis Machine Learning,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 3, no. 2, pp. 108–114, 2023, doi: 10.57152/malcom.v3i2.780.
[16] Z. Firmansyah and N. F. Puspitasari, “Analisis Sentimen Masyarakat Terhadap Vaksinasi Covid-19 Berdasarkan Opini Pada Twitter Menggunakan Algoritma Naive Bayes,” J. Tek. Inform., vol. 14, no. 2, pp. 171–178, 2021, doi: 10.15408.
[17] A. Ariansyah and U. Indahyanti, “Fitur Ekstraksi pada Pemodelan Topik Menggunakan Metode Latent Dirichlet Allocation pada Peristiwa Kebocoran Data,” no. 2, pp. 1–24, 2024.
[18] A. Mulianti, Y. H. Chrisnanto, and H. Ashaury, “Optimalisasi Klasifikasi Support Vector Machine dengan SMOTE : Studi Kasus Ulasan Pengguna Aplikasi Alfagift Optimizing Support Vector Machine Classification with SMOTE : Case Study of Alfagift Application User Reviews,” pp. 249–258, 2024, doi: 10.56873/jpkm.v9i2.5583.
[19] R. Rinandyaswara, Y. A. Sari, and M. T. Furqon, “PEMBENTUKAN DAFTAR STOPWORD MENGGUNAKAN TERM BASED RANDOM SAMPLING PADA ANALISIS SENTIMEN DENGAN METODE NAÏVE BAYES ( STUDI KASUS : KULIAH DARING DI MASA PANDEMI ) FORMING A STOPWORD LIST USING TERM BASED RANDOM SAMPLING ON THE SENTIMENT ANALYSIS USING TH,” vol. 9, no. 4, pp. 717–724, 2022, doi: 10.25126/jtiik.202294707.
[20] M. S. Anwar, I. M. I. Subroto, and S. Mulyono, “Sistem Pencarian E-Journal Menggunakan Metode Stopword Removal Dan Stemming Berbasis Android,” Konf. Ilm. Mhs. Unissula 2, pp. 58–70, 2019.
[21] S. Diantika, “PENERAPAN TEKNIK RANDOM OVERSAMPLING UNTUK MENGATASI IMBALANCE CLASS DALAM KLASIFIKASI WEBSITE PHISHING MENGGUNAKAN ALGORITMA LIGHTGBM,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 19–25, Jan. 2023, doi: 10.36040/jati.v7i1.6006.
[22] A. Aziz, “Analisis Sentimen Identifikasi Opini Terhadap Produk, Layanan dan Kebijakan Perusahaan Menggunakan Algoritma TF-IDF dan SentiStrength,” J. Sains Komput. Inform. (J-SAKTI, vol. 6, no. 1, p. 115, 2022.
[23] M. S. Maksum, T. Arifin, R. Rohidin, M. A. B. Prasetya, and I. F. Anshori, “OPTIMALISASI ALGORITMA TERJEMAHAN BAHASA DENGAN MODEL TRANSFORMER: PENDEKATAN STATISTICAL MACHINE LEARNING,” INFOTECH J., vol. 10, no. 2, pp. 282–287, Aug. 2024, doi: 10.31949/infotech.v10i2.11132.
[24] U. Khairani, V. Mutiawani, and H. Ahmadian, “Pengaruh Tahapan Preprocessing Terhadap Model Indobert Dan Indobertweet Untuk Mendeteksi Emosi Pada Komentar Akun Berita Instagram,” J. Teknol. Inf. dan Ilmu Komput., vol. 11, no. 4, pp. 887–894, Aug. 2024, doi: 10.25126/jtiik.1148315.
[25] N. Gupta, “A Pre-Trained Vs Fine-Tuning Methodology in Transfer Learning,” J. Phys. Conf. Ser., vol. 1947, no. 1, p. 012028, Jun. 2021, doi: 10.1088/1742-6596/1947/1/012028.