Analisis sentimen ulasan pengguna pada produk face wash sombong menggunakan Support Vector Machine (Svm)

INDONESIA:

Platform e-commerce menjadi sarana utama bagi konsumen untuk menyampaikan pengalaman dan penilaian terhadap suatu produk melalui ulasan. Besarnya jumlah ulasan yang tersebar menyebabkan proses analisis secara manual menjadi kurang efektif sehingga diperlukan metode otomatis untuk mengidentifikasi sentimen pengguna. Penelitian ini bertujuan menganalisis performa algoritma Support Vector Machine (SVM) dalam mengklasifikasikan sentimen ulasan pengguna pada produk Face Wash SOMBONG ke dalam kategori positif dan negatif. Data penelitian diperoleh dari platform Tokopedia dan Shopee melalui proses web scraping dengan total 4.346 ulasan berbahasa Indonesia. Tahapan pengolahan data meliputi preprocessing, pelabelan data menggunakan pendekatan lexicon-based, penyeimbangan data menggunakan Random Over-Sampling (ROS), pembobotan fitur menggunakan TF-IDF, serta klasifikasi menggunakan algoritma SVM dengan kernel Linear, Radial Basis Function (RBF), Polynomial, dan Sigmoid. Pengujian dilakukan pada empat skenario pembagian data, yaitu 60:40, 70:30, 80:20, dan 90:10. Hasil penelitian menunjukkan bahwa seluruh kernel mampu menghasilkan performa klasifikasi yang sangat baik dengan akurasi di atas 97%. Kernel RBF memperoleh rata-rata akurasi tertinggi sebesar 99,70%, sedangkan pada rasio pembagian data 90:10, kernel Linear dan kernel RBF dengan parameter C = 10 berhasil mencapai performa sempurna dengan nilai Accuracy, Precision, Recall, dan F1-Score sebesar 100%. Hasil tersebut menunjukkan bahwa algoritma Support Vector Machine mampu mengklasifikasikan sentimen ulasan pengguna secara sangat efektif serta berpotensi digunakan sebagai alat pendukung evaluasi kualitas produk berdasarkan opini konsumen pada platform e-commerce.

ENGLISH:

E-commerce platforms have become a primary medium for consumers to share their experiences and evaluations of products through reviews. The large volume of reviews makes manual analysis inefficient; therefore, an automated method is required to identify user sentiments. This study aims to analyze the performance of the Support Vector Machine (SVM) algorithm in classifying user reviews of Face Wash SOMBONG products into positive and negative sentiments. The data were collected from Tokopedia and Shopee through a web scraping process, resulting in 4,346 Indonesian-language reviews. The data processing stages included preprocessing, data labeling using a lexicon-based approach, data balancing using Random Over-Sampling (ROS), feature weighting using TF-IDF, and classification using SVM with Linear, Radial Basis Function (RBF), Polynomial, and Sigmoid kernels. Experiments were conducted using four data split scenarios, namely 60:40, 70:30, 80:20, and 90:10. The results showed that all kernels achieved excellent classification performance with accuracy values above 97%. The RBF kernel obtained the highest average accuracy of 99.70%, while under the 90:10 data split ratio, both the Linear and RBF kernels with C = 10 achieved perfect performance with Accuracy, Precision, Recall, and F1-Score values of 100%. These findings indicate that the Support Vector Machine algorithm is highly effective in classifying user review sentiments and has the potential to serve as a decision-support tool for product quality evaluation based on consumer opinions in e-commerce platforms.

ARABIC:

أصبحت منصات التجارة الإلكترونية وسيلةً رئيسيةً للمستهلكين للتعبير عن تجاربهم وتقييماتهم للمنتجات من خلال المراجعات والتعليقات، ومع تزايد أعداد هذه المراجعات أصبح تحليلها يدويًا أمرًا غير فعّال، مما يستدعي استخدام أساليب آلية لتحديد مشاعر المستخدمين. هدفت هذه الدراسة إلى تحليل أداء خوارزمية آلة المتجهات الداعمة (SVM) في تصنيف آراء مستخدمي منتج غسول الوجه SOMBONG إلى فئتين: إيجابية وسلبية. جُمعت بيانات الدراسة من منصتي توكوبيديا وشوبي باستخدام تقنية استخراج البيانات من الويب، حيث بلغ عدد المراجعات باللغة الإندونيسية ٤٣٤٦ مراجعة. تضمنت مراحل المعالجة التنقية المسبقة للبيانات، وتصنيف البيانات باستخدام منهج قائم على المعجم، ومعالجة عدم توازن البيانات باستخدام أسلوب المعاينة العشوائية الزائدة، ثم وزن الخصائص باستخدام TF-IDF، وأخيرًا التصنيف باستخدام خوارزمية SVM بأربعة أنواع من النوى هي: الخطية، ودالة الأساس الشعاعي (RBF)، ومتعددة الحدود، والسيغمويد. أُجريت التجارب باستخدام أربعة سيناريوهات لتقسيم البيانات وهي 60:40 و70:30 و80:20 و90:10. وأظهرت النتائج أن جميع أنواع النوى حققت أداءً تصنيفيًا ممتازًا بدقة تجاوزت 97%، كما حققت نواة RBF أعلى متوسط دقة بلغ 99.70%، بينما حققت النواتان الخطية وRBF عند نسبة تقسيم 90:10 ومعامل C = 10 أداءً مثاليًا، حيث بلغت قيم الدقة والإحكام والاسترجاع ودرجة F1 نسبة 100%. وتشير هذه النتائج إلى أن خوارزمية آلة المتجهات الداعمة فعّالة للغاية في تصنيف مشاعر المستخدمين، وتمتلك إمكانات كبيرة لدعم تقييم جودة المنتجات اعتمادًا على آراء المستهلكين في منصات التجارة الإلكترونية