PERBANDINGAN NAÏVE BAYES DAN SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN ULASAN PADA MEREK HOUSE OF CUFF DI TOKOPEDIA

MUHAMMAD FITRAH RAMADHAN, Perbandingan Naïve Bayes dan Support Vector Machine untuk Analisis Sentimen Ulasan pada Merek House of Cuff di Tokopedia, dibimbing oleh ANDI HENDRA. Perkembangan teknologi digital mendorong pelaku bisnis untuk beralih ke platform e-commerce adalah memahami sentimen pelanggan melalui ulasan produk. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Naïve Bayes dan Support Vector Machine dalam melakukan klasifikasi sentimen terhadap ulasan pelanggan pada produk merek House of Cuff di Tokopedia. Data ulasan dikumpulkan melalui teknik web scraping, kemudian dilakukan preprocessing dan pelabelan otomatis menggunakan library SentiStrength ke dalam tiga kelas yaitu positif, negatif, dan netral. Selanjutnya, data dikonversi ke dalam bentuk numerik menggunakan metode TF-IDF dan dibagi menggunakan metode holdout validation. Hasil evaluasi menunjukkan bahwa algoritma Support Vector Machine memiliki akurasi lebih tinggi sebesar 81% dibandingkan Naïve Bayes sebesar 74%. Sementara itu, Naïve Bayes unggul dalam kecepatan waktu pelatihan.