<![CDATA[Perkembangan e-commerce di indonesia mendorong meningkatnya transaksi penjualan produk kosmetik secara daring. Ulasan konsumen yang ditinggalkan pada platform e-commerce menjadi sumber informasi penting dalam pengambilan keputusan pembelian. Namun, volume ulasan yang sangat besar membuat analisis secara manual menjadi tidak efisien. Penelitian ini bertujuan untuk menganalisis sentimen ulasan konsumen terhadap produk kosmetik di e-commerce menggunakan algoritma Naive Bayes dan Support Vector Machine (SVM), serta membandingkan performa kedua algoritma. Dataset sentimen diperoleh dari kaggle.com dengan total masing-masing kelas berjumlah 200 sampel(total 600 data), yang setelah di preprocessing teks tersisa 599 data valid untuk proses klasifikasi menggunakan algoritma Naive Bayes dan SVM. Preprocessing teks meliputi case folding, cleaning, tokenisasi, dan penghapusan stopword. Ekstraksi fitur dilakukan menggunakan TF-IDF dengan pembagian data 80% training dan 20% testing. Hasil penelitian menunjukan bahwa algoritma Naive Bayes memperoleh akurasi 62,50% dengan F1-Score 62,80%, sedangkan SVM (kernel RBF) memperoleh akurasi 60,00% dengan F1-Score 60,00%. Naive Bayes mengungguli SVM pada seluruh matrik evaluasi dalam klasifikasi sentimen ulasan produk kosmetik berbahasa indonesia.]]>
Copyrights © 2026
