Sentimen Analisis Overclaim Skincare Skintific Menggunakan Algoritma BERT
https://doi.org/10.58466/aicoms.v3i2.1715
Kata Kunci:
deep learning, algoritma bert, industri kecantikan, instagramAbstrak
Pada tahun ini, penggunaan skincare merek Skintific mengalami lonjakan signifikan dalam persentase penjualannya. Berdasarkan pengamatan di pasar kecantikan dan kosmetik, Skintific mencatat pendapatan yang mencapai miliaran hingga triliunan rupiah setiap tahunnya. Hal ini menunjukkan bahwa peluang bisnis di industri kecantikan sangat menjanjikan, terutama dalam beberapa tahun terakhir. Namun, persaingan yang ketat di industri kecantikan telah memunculkan berbagai merek kosmetik baru yang seringkali mempromosikan produk mereka secara berlebihan, atau yang dikenal dengan istilah overclaim. Praktik ini tanpa disadari merupakan tindakan yang merugikan konsumen, karena mengandung unsur penipuan terhadap target pasar. Dalam penelitian ini, penulis melakukan proses scraping ulasan pelanggan terhadap produk kosmetik Skintific di media sosial Instagram. Pendekatan yang digunakan adalah metode Deep Learning dengan algoritma BERT (Bidirectional Encoder Representations from Transformers). Penelitian ini berhasil menganalisis 1.000 ulasan pelanggan yang diambil dari akun resmi Instagram Skintific. Hasil analisis menunjukkan bahwa fenomena overclaim pada produk Skintific hanya ditemukan sebesar 0,0015% dari total ulasan, yang sangat berbanding terbalik dengan produk-produk kosmetik lainnya di industri kecantikan.
Referensi
N. Nadya, “Peran Digital Marketing Dalam Eksistensi Bisnis Kuliner Seblak Jeletet Murni,” JRMB (Jurnal Riset Manajemen Dan Bisnis), Fakultas Ekonomi UNIAT, Oct. 2016, doi:10.36226/jrmb.v1i2.17.
Bengio, Y.; Simard, P.; Frasconi, P. IEEE transactions on neural networks, 5, 157–166,1994.
Primartha, Rifkie. Belajar Machine Learning Teori Dan Praktik. Palembang, 2018. 1.
Grootendorst, M., “BERTopic: Neural Topic Modeling with a Class-based TF-IDF Procedure” arXiv preprintarXiv:2203.05794, 2022.
Grootendorst, M., “BERTopic”, 11 September 2022. [Online]. Available:https://github.com/MaartenGr/BERTopic.
Terragni, S., Fersini, E., Galuzzi, B. G., Tropeano, P., dan Candelieri, A., “OCTIS: Comparing and Optimizing Topic Models is Simple!” in Proceedings of the 16th Conference of the European Chapter of the Association for Computational Linguis-tics:System Demonstrations, 2021, p. 263–270.FLEXChip Signal Processor (MC68175/D), Motorola, 1996.
Kurniawan, Bayu, A. Ari Aldino, and A. Rahman Isnain. "Sentimen Analisis Terhadap Kebijakan Penyelenggara Sistem Elektronik (Pse) Menggunakan Algoritma Bidirectional Encoder Representations From Transformers (Bert)." J. Teknol. dan Sist. Inf 3.4 (2022): 98-106.
Nayla, A., Setianingsih, C., & Dirgantoro, B. (2023). Deteksi Hate Speech Pada Twitter Menggunakan Algoritma BERT. eProceedings of Engineering, 10(1).
Junita, E. A., & Suryono, R. R. (2024). Analisis Sentimen Hate Speech Mengenai Calon Wakil Presiden Indonesia Menggunakan Algoritma BERT. JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), 9(4), 2042-2053.
Kusuma, R. M. R. W. P., & Yustanti, W. (2021). Analisis Sentimen Customer Review Aplikasi Ruang Guru dengan Metode BERT (Bidirectional Encoder Representations from Transformers). Journal of Emerging Information System and Business Intelli-gence (JEISBI), 2(3).
Afifa, N., Saputra, R. E., & Nugrahaeni, R. A. (2023). Implementasi NLP Pada Chatbot Layanan Akademik Dengan Algoritma Bert. eProceedings of Engineering, 10(1).
