KLASIFIKASI SENTIMEN TERHADAP PRODUK ERIGO MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

Produk lokal saat ini memiliki peranan penting dalam pertumbuhan ekonomi di Indonesia. Didukung perkembangan teknologi saat ini, membuat ketatnya persaingan dalam dunia bisnis, terutama dalam bisnis online. Tingkat kepuasan dan preferensi konsumen merupakan hal yang penting untuk membantu dalam mengembangkan bisnis kedepannya. Oleh sebab itu, diperlukan analisis sentimen agar mengetahui sentimen berdasarkan ulasan dan opini konsumen guna memahami tingkat kepuasan dan preferensi komsumen. Analisis sentimen akan mengelompokkan teks pada kalimat untuk mengetahui pendapat yang dikemukakan, bisa berupa positif atau negatif. Pada penelitian ini, penulis melakukan analisis sentimen produk ERIGO menggunakan metode Support Vector Machine (SVM). SVM adalah teknik pembelajaran mesin berbasis supervised learning yang dapat diterapkan pada masalah regresi dan klasifikasi. Data yang digunakan, diambil dari ulasan atau komentar produk ERIGO pada Tokopedia. Data yang diambil sekitar 2000 data. Setelah pengambilan data, dilakukan pelabelan manual. Selanjutnya yaitu proses preprocessing. Pada penelitian ini, preprocessing meliputi case folding, cleaning, tokenizing, normalisasi, filtering, dan stemming. Dari proses preprocessing kemudian dihitung bobotnya dengan menggunakan TF-IDF. Kemudian, data dipisah menjadi data training dan data testing. Selanjutnya yaitu pengklasifikasian data testing menggunakan algoritma SVM dengan parameter kernel polinomial. Adapun tujuan dari penelitiaan ini adalah mengetahui sentimen positif dan negatif ulasan produk ERIGO pada Tokopedia dengan implementasi algoritma Support Vector Machine (SVM). Hasil penelitian menunjukkan bahwa metode SVM dengan pembobotan TF-IDF mendapatkan nilai akurasi sebesar 81.95%, presisi sebesar 99.34%, recall sebesar 81.18% dan f1-score sebesar 89.34%. Temuan ini memberikan pemahaman bahwa metode SVM dengan pembobotan TF-IDF dinilai baik dalam melakukan klasifikasi sentimen terhadap produk lokal ERIGO.