Perbandingan Algoritma SVM dan Naïve Bayes Berbasis SMOTE dalam Analisis Sentimen Komentar Tiktok pada Produk Skincare
https://doi.org/10.58466/aicoms.v3i1.1523
Kata Kunci:
Analisis Sentimen, TikTok, Support Vector Machine, Produk Skincare, Naïve Bayes, SMOTEAbstrak
Riset ini membandingkan performa algoritma Support Vector Machine (SVM) dan Naïve Bayes dalam analisis sentimen komentar TikTok tentang produk skincare, dengan menggunakan teknik Synthetic Minority Over-sampling Technique (SMOTE) untuk menangani ketidakseimbangan data. Hasil evaluasi menunjukkan bahwa SVM memiliki performa yang lebih unggul dibandingkan Naïve Bayes dengan akurasi 59,43% berbanding 47,65%. Selain itu, SVM juga unggul dalam metrik F1 Score (60,37% dibandingkan 54,74%), meskipun Naïve Bayes memiliki presisi yang sedikit lebih tinggi (67,96% berbanding 62,76%). Dengan demikian, SVM lebih efektif dalam mengklasifikasikan sentimen komentar, menjadikannya algoritma yang lebih direkomendasikan untuk tugas analisis sentimen pada domain produk skincare di TikTok.
Referensi
Medhat, W., Hassan, A., & Korashy, H. (2014). Sentiment analysis algorithms and applications: A survey. Ain Shams Engineering Journal, 5(4), 1093–1113. https://doi.org/10.1016/j.asej.2014.04.011
Rita Apriani, Dudih Gustian, Jurnal Rekayasa Teknologi Nusa Putra. Vol. 6, No. 1, September 2019: Hal 54 - 62
Appel, G., Grewal, L., Hadi, R., & Stephen, A. T. (2020). The future of social media in marketing. Journal of the Academy of Marketing Science, 48(1), 79–95. https://doi.org/10.1007/s11747-019-00695-1
“dataIndonesia.id” . (2023, Desember 12). Data Jumlah Pengguna TikTok di Indonesia hingga Oktober 2023. https://dataindonesia.id/ekonomi-digital/detail/data-jumlah-pengguna-tiktok-di-indonesia-hingga-oktober-2023
Muhammad Arief Rahman, Herman Budianto, & Setiawan, E. I. (2019). Aspect Based Sentimen Analysis Opini Publik Pada Instagram dengan Convolutional Neural Network. INSYST: Journal of Intelligent System and Computation, 1(2), 50–57. https://doi.org/10.52985/insyst.v1i2.83
Kaharudin, A., Agus Supriyadi, A., Baitika, H., & Derryanur, M. (2023). OKTAL : Jurnal Ilmu Komputer dan Science Analisis Sentimen pada Media Sosial dengan Teknik Kecerdasan Buatan Naïve Bayes: Kajian Literatur Review. 2(6). https://harzing.com/resources/publish-or-perish
Amelia, E. E., & Yustiana, I. (2024). Analisis Sentimen Pada Ulasan Produk UNIQLO dengan Algoritma Naive Bayes. In Jurnal Sains Komputer & Informatika (J-SAKTI (Vol. 8, Issue 1).
Oktavia, D., & Ramadahan, Y. R. (2023). Analisis Sentimen Terhadap Penerapan Sistem E-Tilang Pada Media Sosial Twitter Menggunakan Algoritma Support Vector Machine (SVM). Media Online), 4(1), 407–417. https://doi.org/10.30865/klik.v4i1.1040
Lillah, M. R. R. L., Maylawati, D. S. ., Zulfikar, W. B. ., Uriawan, W. ., & Wahana, A. . (2023). Implementasi Algoritma K-Nearest Neighbor (KNN) untuk Analisis Sentimen Pengguna Aplikasi Tokopedia . Intellect : Indonesian Journal of Learning and Technological Innovation, 2(2), 171–184.
Devika, M. D., Sunitha, C., & Ganesh, A. (2016). Sentiment Analysis: A Comparative Study on Different Approaches. Procedia Computer Science, 87, 44–49. https://doi.org/10.1016/j.procs.2016.05.124
Daffa Muafa Lizda Iswari, M. (n.d.). Pengembangan Aplikasi Berbasis Web dengan Rshiny untuk Data Klasifikasi Menggunakan Metode Naive Bayes.
Noviana, R., & Rasal, I. (2023). Penerapan Algoritma Naive Bayes dan SVM untuk Analisis Sentimen Boy Band BTS pada Media Sosial Twitter
Maulana, B. A., Fahmi, M. J., Imran, A. M., & Hidayati, N. (2024). Analisis Sentimen Terhadap Aplikasi Pluang Menggunakan Algoritma Naive Bayes dan Support Vector Machine(SVM). MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(2), 375-384.
Fern ́andez, A., Garcia, S., Herrera, F. (2018). SMOTE for Learning from Imbalanced Data: Progress and Challenges, Marking the 15-year Anniversary. Journal of Artificial Intelligence Research, 61. https://doi.org/10.1613/jair.1.11192
