<![CDATA[Seringkali banyak kesalahan saat memilih skincare karena belum mengenali jenis wajah kita maupun hanya tergiur karenaproduk tersebut sedang viral. Dari pembahasan ini banyak pro dan kontra yang disampaikan melalui sosial media mengenai produkskincare. Melalui penelitian ini akan dilakukan Analisis Sentimen terhadap produk skincare menggunakan metode K-NearestNeighbour dan Support Vector Machine yang akan memberikan hasil uji dan hasilnya akan di optimalkan dengan fitur selection yaituParticle Swarm Optimization. Adapun tahapan yang dilakukan dalam penelitian ini adalah pengumpulan data, pelabelan data, pre-processing data, pembobotan, penerapan metode, pengujian dan diakhiri hasil/evaluasi. Tujuan dari penelitian agar hasil uji akanmenentukan skincare yang baik supaya para konsumen tidak salah lagi memilih jenis skincare dan bertujuan untuk menentukan apakahpenggunaan skincare bersentimen positif atau negatif dan diharapkan bisa menghasilkan nilai akurasi yang baik yang sudah dilakukanoleh 2 metode tersebut, dan didapatkan hasilnya dari metode Support Vector Machine 91,37% sedangkan K-Nearest Neighbour 70,78%.Setelah ditingkatkan nilai akurasinya dengan fitur seleksi maka hasil akurasi yang dihasilkan dari metode Support Vector Machine94,90% sedangkan K-Nearest Neighbour 72,75%. Lalu di dapatkan 667 sentimen positif dan 76 sentimen negatif.]]>
Copyrights © 2023
