<![CDATA[Penelitian ini bertujuan untuk mengembangkan metode yang efektif dalam pengumpulan data ulasan produk secara otomatis dari platform e-commerce Perusahaan OTC, dengan menggunakan teknik web scraping. Selanjutnya, tahap pra-pemrosesan teks dioptimalkan dengan penerapan teknik Natural Language Processing (NLP), meliputi tokenisasi, lemmatization, stemming, dan penghapusan stopwords, untuk mempersiapkan data ulasan produk untuk analisis sentimen. Penelitian ini menerapkan algoritma Support Vector Machine (SVM) untuk mengklasifikasikan sentimen ulasan produk menjadi tiga kategori: positif, negatif, dan netral. Evaluasi model dilakukan menggunakan teknik confusion matrix, yang menghasilkan nilai akurasi, presisi, recall, dan F1-score. Berdasarkan hasil eksperimen, model SVM mencapai akurasi 0.9544 dengan performa yang baik pada kelas positif dan negatif, namun dengan perhatian khusus pada peningkatan recall untuk kelas netral. Hasil analisis sentimen ini dapat memberikan wawasan mengenai kepuasan pelanggan terhadap produk yang dijual, serta membantu perusahaan dalam mengidentifikasi area yang perlu diperbaiki, merancang strategi pemasaran yang lebih efektif, dan meningkatkan layanan pelanggan. Penelitian ini memberikan kontribusi dalam penerapan teknologi NLP dan SVM untuk analisis sentimen dalam konteks e-commerce.]]>
Copyrights © 2025
