PERBANDINGAN KINERJA ALGORITMA SUPPORT VECTOR MACHINE DAN GRADIENT BOOSTING DALAM ANALISIS SENTIMEN PUBLIK TERHADAP PRODUK SKINCARE DI TIKTOK | PERPUSTAKAAN UNIVERSITAS MUHAMMADIYAH BREBES

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

Image of PERBANDINGAN KINERJA ALGORITMA SUPPORT VECTOR MACHINE DAN GRADIENT BOOSTING DALAM ANALISIS SENTIMEN PUBLIK TERHADAP PRODUK SKINCARE DI TIKTOK

Teks

PERBANDINGAN KINERJA ALGORITMA SUPPORT VECTOR MACHINE DAN GRADIENT BOOSTING DALAM ANALISIS SENTIMEN PUBLIK TERHADAP PRODUK SKINCARE DI TIKTOK

Aenun Dita Laela Fajriani - Nama Orang;

Perkembangan platform media sosial TikTok telah mempengaruhi cara konsumen
mencari informasi dan memberikan opini terkait produk skincare. Analisis
sentimen menjadi metode penting untuk memahami persepsi publik terhadap
produk tersebut. Namun, variasi bahasa, penggunaan istilah informal, serta
ketidakseimbangan distribusi kelas sentimen menjadi tantangan dalam proses
klasifikasi. Penelitian ini bertujuan untuk membandingkan kinerja algoritma
Support Vector Machine (SVM) dan Gradient Boosting dalam mengklasifikasikan
sentimen publik terhadap produk skincare di TikTok berdasarkan akurasi, presisi,
recall, dan F1-score.
Data penelitian diperoleh dari 1000 komentar pengguna TikTok yang telah melalui
tahapan preprocessing meliputi cleaning, case folding, normalisasi, tokenizing,

stopword removal, dan stemming. Pembobotan kata dilakukan dengan metode TF-
IDF, dan ketidakseimbangan kelas diatasi menggunakan Synthetic Minority Over-
sampling Technique (SMOTE). Model SVM dan Gradient Boosting kemudian

dilatih dan diuji menggunakan data tersebut, dengan evaluasi performa
menggunakan confusion matrix.
Hasil penelitian menunjukkan bahwa algoritma Gradient Boosting memiliki kinerja
lebih unggul dengan akurasi sebesar 94,52%, mengungguli SVM yang memperoleh
akurasi 84,92%. Gradient Boosting mampu menangkap pola kompleks dalam data
teks serta mengurangi kesalahan klasifikasi, khususnya pada sentimen netral dan
negatif. Dengan demikian, Gradient Boosting lebih direkomendasikan untuk
analisis sentimen publik terhadap produk skincare di TikTok.

Ketersediaan

S00014.25 RF TI.S00014.25 Dit p My Library (Referensi) Tersedia

Informasi Detail

Judul Seri: -
No. Panggil: RF TI.S00014.25 Dit p
Penerbit: Paguyangan : Universitas Muhammadiyah Brebes., 2025
Deskripsi Fisik: xvii,81hlm.;30cm
Bahasa: Indonesia
ISBN/ISSN: -
Klasifikasi: TI.S00014.25
Tipe Isi: -
Tipe Media: -
Tipe Pembawa: -
Edisi: -
Subjek: Analisis Sentimen
SMOTE
Support Vector Machine
TikTok
Skincare
Gradient Boosting
TF-IDF
Info Detail Spesifik: Dilengkapi CD
Pernyataan Tanggungjawab: Aenun Dita Laela Fajriani 21.01.0.0035 Tugas Akhir diajukan sebagai salah satu syarat untuk memperoleh gelar Sarjana

Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas

PERBANDINGAN KINERJA ALGORITMA SUPPORT VECTOR MACHINE DAN GRADIENT BOOSTING DALAM ANALISIS SENTIMEN PUBLIK TERHADAP PRODUK SKINCARE DI TIKTOK

Komentar

Anda harus masuk sebelum memberikan komentar