<![CDATA[Pesatnya pertukaran informasi dan opini konsumen mengenai produk kecantikan di media sosial telah menjadi fenomena yang berpengaruh besar terhadap keputusan pembelian di era digital saat ini. Penelitian ini mengamati aktivitas tersebut pada akun X (Twitter) @ohmy_beautybank, di mana ulasan pengguna mengandung informasi berharga namun terkendala oleh masalah ketidakseimbangan data (imbalanced data) yang mencolok antara sentiment positif dan negatif. Ketimpangan ini beresiko menyebabkan model klasifikasi menjadi kurang objektif dalam memberikan prediksi. Penelitian ini bertujuan untuk meningkatkan performa klasifikasi sentiment agar tetap akurat meskipun terdapat sebaran data yang tidak merata. Untuk mencapai tujuan tersebut, diterapkan algoritma C4.5 yang diintegrasikan dengan Teknik Synthetic Minority Oversampling Technique (SMOTE) untuk menyeimbangkan distribusi kelas, serta penggunaan fitur N-Grams (Bigram) untuk menangkap konteks makna pada ulasan. Hasil eksperimen menunjukkan bahwa integrasi metode tersebut efektif meningkatkan performa model dengancapaian akurasu sebesar 81.20%. dapat disimpulkan bahwa penggunaan SMOTE dan N-Grams berhasil mengatasi kelemahan algoritma C4.5 dalam menangani data tidak seimbang, sehingga model ini layak digunakan sebagai alat analisis opini pasar yang lebih akurat dan objektif.]]>
Copyrights © 2026
