ANALISIS SENTIMEN PELAGGAN TOKO BATIK MADURA PADA E-COMMERCE DENGAN PENDEKATAN BAGGING SVM

Penelitian ini dilatarbelakangi oleh meningkatnya jumlah ulasan pelanggan Toko Batik Madura pada platform e-commerce yang menyebabkan analisis sentimen secara manual menjadi tidak efisien. Permasalahan yang dihadapi meliputi tingginya dimensi data teks, ketidakseimbangan kelas sentimen, serta kebutuhan akan algoritma klasifikasi yang stabil dan optimal. Oleh karena itu, Support Vector Machine (SVM) dipilih karena memiliki kemampuan generalisasi yang baik pada data berdimensi tinggi. Untuk memperoleh konfigurasi terbaik, dilakukan pengujian beberapa kernel, yaitu Linear, Radial Basis Function (RBF), Polynomial, dan Sigmoid. Selain itu, pendekatan ensemble learning menggunakan Bootstrap Aggregating (Bagging) diterapkan untuk meningkatkan stabilitas model dan sensitivitas terhadap kelas minoritas. Data ulasan pelanggan diproses melalui tahapan preprocessing teks yang meliputi normalisasi, tokenisasi, stopword removal, dan stemming, kemudian direpresentasikan menggunakan Term Frequency–Inverse Document Frequency (TF-IDF). Ketidakseimbangan kelas ditangani menggunakan Synthetic Minority Over-sampling Technique (SMOTE). Hasil penelitian menunjukkan bahwa SVM kernel Linear dengan parameter C 1 menghasilkan performa terbaik dengan akurasi 0.91, precision 0.81, recall 0.87, dan F1-score 0.83. Penerapan Bagging-SVM tidak meningkatkan akurasi secara signifikan, namun mampu meningkatkan nilai recall hingga 0.88 sehingga lebih sensitif terhadap kelas sentimen minoritas.rnKata Kunci: Analisis Sentimen, Support Vector Machine, Bagging-SVM, TF-IDF, SMOTE.