Implementasi Algoritma Support Vector Machine (SVM) Dan Logistic Regression Dalam Menganalisis Sentimen Tanggapan Masyarakat Terhadap Tiktok Shop Di Social Media

Risasti Dwi Ardini (Universitas Muhammadiyah Sumatera Utara)
Indah Purnama Sari (Universitas Muhammadiyah Sumatera Utara)

Hello World
Vol. 5 No. 1 (2026): Edisi April

Perkembangan teknologi digital telah mendorong transformasi dalam aktivitas belanja masyarakat, salah satunya melalui platform TikTok Shop. Fitur ini memungkinkan pengguna untuk berbelanja langsung dalam aplikasi TikTok, yang memunculkan beragam tanggapan dari masyarakat, baik positif maupun negatif. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap TikTok Shop dengan menggunakan dua algoritma klasifikasi teks, yaitu Support Vector Machine (SVM) dan Logistic Regression. Data yang digunakan berjumlah 500 komentar dari salah satu video TikTok yang membahas TikTok Shop. Komentar tersebut diproses melalui tahapan data cleaning, normalisasi, tokenisasi, stopword removal, stemming, serta ekstraksi fitur menggunakan metode TF-IDF. Model kemudian dievaluasi menggunakan metrik akurasi, presisi, recall, dan f1-score. Hasil penelitian menunjukkan bahwa algoritma SVM memiliki performa lebih baik dibandingkan Logistic Regression, dengan akurasi sebesar 89% dan f1-score sebesar 86%, sedangkan Logistic Regression memperoleh akurasi 86% dan f1-score 80%. Oleh karena itu, SVM dinilai lebih efektif dalam mengklasifikasikan sentimen masyarakat terhadap TikTok Shop di media sosial.