PENERAPAN ASPECT BASED SENTIMENT ANALYSIS (ABSA) PADA ULASAN PENGGUNA FEMALE DAILY MENGGUNAKAN LATENT DIRICHLET ALLOCATION DAN SUPPORT VECTOR MACHINE

Ulasan produk kecantikan pada platform Female Daily mengandung beragam opini pengguna yang membahas berbagai aspek produk. Analisis sentimen secara umum sering kali belum mampu menggambarkan sentimen pengguna secara rinci berdasarkan aspek yang dibicarakan. Oleh karena itu, penelitian ini menerapkan Aspect Based Sentiment Analysis (ABSA) untuk mengekstraksi aspek utama dan mengklasifikasikan sentimen pada setiap aspek ulasan pengguna. Ekstraksi aspek dilakukan menggunakan Latent Dirichlet Allocation (LDA) dengan evaluasi nilai coherence di mana jumlah topik terbaik diperoleh pada K 5, sehingga menghasilkan lima aspek utama, yaitu kemasan, aroma, tekstur, harga, dan efek pemakaian. Selanjutnya, klasifikasi sentimen dilakukan menggunakan Support Vector Machine (SVM) dengan variasi kernel, parameter C dan gamma, representasi fitur TF-IDF unigram dan bigram, serta rasio data latih dan data uji 80:20 dan 70:30. Hasil penelitian menunjukkan bahwa penggunaan bigram TF-IDF dengan rasio data 80:20 secara umum memberikan performa terbaik. Akurasi tertinggi diperoleh pada aspek harga sebesar 96,55% menggunakan kernel linear (C 1), diikuti oleh aspek kemasan sebesar 94,20% menggunakan kernel linear (C 0,1) dan aspek aroma sebesar 92,27% menggunakan kernel RBF (C 100; gamma 0,1), sementara aspek tekstur dan aspek efek pemakaian masing-masing menghasilkan akurasi sebesar 87,67% dan 87,56%. Kernel linear juga menunjukkan waktu komputasi yang lebih efisien. Secara keseluruhan, kombinasi LDA dan SVM dengan konfigurasi parameter yang tepat mampu menghasilkan nilai akurasi di atas 87% pada seluruh aspek analisis sentimen berbasis aspek pada ulasan pengguna Female Daily.