Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Sistem Informasi Dan E-Bisnis
Amelia Vega Utomo
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Sistem Informasi Dan E-Bisnis

 1 
Analisis Sentimen Ulasan Hijab Aulia dengan Metode Support Vector Machine untuk Kepuasan Pelanggan Amelia Vega Utomo; Arif Setiawan; Muhammad Arifin
Jurnal Sistem Informasi dan E-Bisnis Vol 7 No 2 (2025): Agustus
Publisher : LPPMPP Yayasan Sejahtera Bersama Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54650/jusibi.v7i2.607

Abstract

Perkembangan e-commerce berbasis konten seperti TikTok Shop mendorong peningkatan interaksi konsumen dalam bentuk ulasan produk. Komentar-komentar ini menjadi sumber informasi penting bagi produsen untuk memahami persepsi dan kebutuhan pelanggan secara lebih akurat. Penelitian ini bertujuan untuk menerapkan metode Support Vector Machine (SVM) dalam mengklasifikasikan sentimen pada ulasan produk hijab best seller dari Aulia Hijab yang dikumpulkan melalui teknik web scraping. Metode ini didukung oleh representasi fitur teks menggunakan TF-IDF untuk mengolah data teks berdimensi tinggi. Tahapan penelitian mencakup preprocessing data, pembobotan kata, pelatihan model SVM, hingga deployment sistem menggunakan framework Streamlit. Hasil evaluasi menunjukkan bahwa model mampu mencapai akurasi sebesar 92%, dengan performa tertinggi pada klasifikasi sentimen positif dan negatif. Namun, kategori netral masih memiliki tantangan dalam deteksi akurat akibat keterbatasan data dan pendekatan berbasis frekuensi. Penelitian ini memberikan kontribusi praktis dalam mendukung pengambilan keputusan berbasis data di sektor industri fashion digital, serta membuka peluang pengembangan model klasifikasi yang lebih kontekstual dan adaptif di masa depan.
Co-Authors Arif Setiawan MUHAMMAD ARIFIN