Evaluasi Sentimen Pelanggan Terhadap Toko Resmi Xiaomi Di Tokopedia Menggunakan Algoritma Support Vector Machine
DOI:
https://doi.org/10.47701/9c71cp98Keywords:
analisis sentimen, Support Vector Machine, Tokopedia, Xiaomi, e-commerce, text mining, TF-IDF, web scraping, klasifikasi teks, Natural Language ProcessingAbstract
Penelitian ini bertujuan mengevaluasi sentimen pelanggan terhadap toko resmi Xiaomi Indonesia di Tokopedia menggunakan algoritma Support Vector Machine (SVM). Data dikumpulkan melalui web scraping dengan total 1.000 ulasan pelanggan. Proses preprocessing meliputi cleaning, case folding, tokenization, normalization, stopword removal, dan stemming. Setiap ulasan diberi label sentimen positif, negatif, atau netral, kemudian dikonversi menjadi representasi numerik menggunakan TF-IDF. Hasil klasifikasi menunjukkan model SVM mencapai akurasi 80% dengan kecenderungan over- prediksi pada sentimen positif. Analisis WordCloud mengidentifikasi kata dominan: sentimen positif didominasi kata "bagus", "baik", "cepat", sedangkan sentimen negatif menampilkan "lama", "tidak", "kirim". Model menunjukkan performa tidak seimbang antar kelas dengan akurasi sentimen positif 100%, negatif 67%, dan netral 0%. Penelitian ini memberikan wawasan tentang persepsi pelanggan terhadap toko resmi Xiaomi di platform e-commerce dan mengidentifikasi area perbaikan layanan, meskipun terdapat keterbatasan dalam penanganan ketidakseimbangan kelas data.
References
[1] H. Hajaroh, T. Suprapti, and R. Narasati, “IMPLEMENTASI ALGORITMA NAIVE BAYES UNTUK ANALISIS SENTIMEN ULASAN PRODUK MAKANAN DAN MINUMAN DI
TOKOPEDIA,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 8, no. 1, pp. 111–118, Feb. 2024, doi: 10.36040/jati.v8i1.8237.
[2] D. S. Nurrochmah, N. Rahaningsih, R. D. Dana, and C. L. Rohmat, “Jurnal Informatika Terpadu PENERAPAN ALGORITMA NAIVE BAYES DALAM ANALISIS SENTIMEN ULASAN APLIKASI KITALULUS DI GOOGLE PLAY STORE,” Jurnal Informatika Terpadu, vol. 11, no. 1, pp. 1–11, 2025, [Online]. Available: https://journal.nurulfikri.ac.id/index.php/JIT
[3] I. H. Kusuma and N. Cahyono, “Analisis Sentimen Masyarakat Terhadap Penggunaan E-Commerce Menggunakan Algoritma K- Nearest Neighbor,” Jurnal Informatika: Jurnal Pengembangan IT, vol. 8, no. 3, pp. 302–307, Sep. 2023, doi: 10.30591/jpit.v8i3.5734.
[4] G. Radiena and A. Nugroho, “ANALISIS SENTIMEN BERBASIS ASPEK PADA ULASAN APLIKASI KAI ACCESS MENGGUNAKAN METODE SUPPORT VECTOR MACHINE,” Jurnal Pendidikan Teknologi Informasi (JUKANTI), vol. 6, no. 1, pp. 1–10, Apr. 2023, doi: 10.37792/jukanti.v6i1.836.
[5] F. D. Ananda and Y. Pristyanto, “Analisis Sentimen Pengguna Twitter Terhadap Layanan Internet Provider Menggunakan Algoritma Support Vector Machine,” MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, vol. 20, no. 2, pp. 407– 416, May 2021, doi: 10.30812/matrik.v20i2.1130.
[6] I. S. K. Idris, Y. A. Mustofa, and I. A. Salihi, “Analisis Sentimen Terhadap Penggunaan Aplikasi Shopee Mengunakan Algoritma Support Vector Machine (SVM),” Jambura Journal of Electrical and Electronics Engineering, vol. 5, no. 1, pp. 823–848, Jan. 2023, doi: 10.1177/0165551510388123.
[7] S. Styawati, N. Hendrastuty, and A. R. Isnain, “Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine,” Jurnal Informatika: Jurnal Pengembangan IT, vol. 6, no. 3, pp. 150–155, Oct. 2021, doi: 10.30591/jpit.v6i3.2870.
[8] U. Brawijaya, C. Firalya, D. E. Ratnawati, and N. Y. Setiawan, “Fakultas Ilmu Komputer Analisis Sentimen Data Ulasan Aplikasi Pegadaian Digital Menggunakan Metode Support Vector Machine,” 2024. [Online]. Available: http://j-ptiik.ub.ac.id
[9] A. Irma Purnamasari and I. Ali, “ANALISIS SENTIMEN KOMENTAR BERITA DETIK.COM MENGGUNAKAN ALGORITMA SUPORT VEKTOR MACHINE (SVM),” 2024.
[10] Herlawati, D. B. Srisulistiowati, S. C. Agustin, P. H. Syafina, N. Rachmatin, and S. Setiawati, “Metode Naïve Bayes dan Support Vector Machine untuk Mengolah Sentimen Ulasan dan Komentar di Platform Digital,” Journal of Students‘ Research in Computer Science, vol. 5, no. 2, pp. 197–212, Nov. 2024, doi: 10.31599/dby15h32.
[11] A. S. Pamungkas and N. Cahyono, “Analisis Sentimen Review ChatGPT di Play Store menggunakan Support Vector Machine dan K-Nearest Neighbor,” Edumatic: Jurnal Pendidikan Informatika, vol. 8, no. 1, pp. 1–10, Jun. 2024, doi: 10.29408/edumatic.v8i1.24114.
[12] S. A. Ashari, M. W. A. Saputra, E. Larosa, and B. S. Rijal, “Analisis Sentimen pada Aplikasi Translate Google Menggunakan Metode SVM (Studi Kasus: Komentar Pada Playstore),” Jurnal Teknik, vol. 21, no. 2, pp. 168–182, Dec. 2023, doi: 10.37031/jt.v21i2.412.
[13] P. Agusia, M. Uli, A. Manurung, V. Calista, and V. C. Mawardi, “Pemanfaatan Word Cloud Pada Analisis Sentimen Dalam Menggali Persepsi Publik,” Seminar Nasional Penelitian (SEMNAS CORISINDO 2024) 2024.
