Analisis Sentimen Produk Kosmetik Menggunakan Naive Bayes dan SVM

elisabeth Jesica Mirino; Rambu Aya; Agnes  Niaviyane; Olivia Raku

doi:10.52303/jb.v8i1.217

elisabeth Jesica Mirino Universitas Papua
Rambu Aya Universitas Papua
Agnes Niaviyane Universitas Papua
Olivia Raku Universitas Papua

DOI: https://doi.org/10.52303/jb.v8i1.217

Keywords: sentiment analysis; cosmetics; e-commerce; naive bayes; support vector machine; TF-IDF.

Abstract

Perkembangan e-commerce di indonesia mendorong meningkatnya transaksi penjualan produk kosmetik secara daring. Ulasan konsumen yang ditinggalkan pada platform e-commerce menjadi sumber informasi penting dalam pengambilan keputusan pembelian. Namun, volume ulasan yang sangat besar membuat analisis secara manual menjadi tidak efisien. Penelitian ini bertujuan untuk menganalisis sentimen ulasan konsumen terhadap produk kosmetik di e-commerce menggunakan algoritma Naive Bayes dan Support Vector Machine (SVM), serta membandingkan performa kedua algoritma. Dataset sentimen diperoleh dari kaggle.com dengan total masing-masing kelas berjumlah 200 sampel(total 600 data), yang setelah di preprocessing teks tersisa 599 data valid untuk proses klasifikasi menggunakan algoritma Naive Bayes dan SVM. Preprocessing teks meliputi case folding, cleaning, tokenisasi, dan penghapusan stopword. Ekstraksi fitur dilakukan menggunakan TF-IDF dengan pembagian data 80% training dan 20% testing. Hasil penelitian menunjukan bahwa algoritma Naive Bayes memperoleh akurasi 62,50% dengan F1-Score 62,80%, sedangkan SVM (kernel RBF) memperoleh akurasi 60,00% dengan F1-Score 60,00%. Naive Bayes mengungguli SVM pada seluruh matrik evaluasi dalam klasifikasi sentimen ulasan produk kosmetik berbahasa indonesia.

Author Biographies

elisabeth Jesica Mirino, Universitas Papua

Teknik Informatika

Rambu Aya, Universitas Papua

Teknik Informatika

Agnes Niaviyane, Universitas Papua

Teknik Informatika

Olivia Raku, Universitas Papua

Teknik Informatika

References

[1] D. A. W. P., J. D. Firizqi, and Z. A. Amalia, 2024. Analisis Sentimen Produk Skincare Somethinc Niacinamide di Female Daily dengan Naïve Bayes Classifier. Jurnal Media Informatika Budidarma, vol. 8, no. 2, pp. 946–956.

[2] R. C. Larasati, C. Dewi, and H. J. Christanto, 2024. Analisis Sentimen Produk Kecantikan Jenis Moisturizer di Twitter Menggunakan Algoritma Support Vector Machine. Jurnal TEKINKOM, vol. 7, no. 1, pp. 1–12.

[3] “Analisis Sentimen Ulasan Produk Skincare Daviena di Shopee Menggunakan Algoritma Support Vector Machine,” 2024. Seminar Nasional AMIKOM Surakarta.

[4] E. Indrayuni, 2019. Klasifikasi Text Mining Review Produk Kosmetik untuk Teks Bahasa Indonesia Menggunakan Algoritma Naive Bayes. Jurnal Khatulistiwa Informatika, vol. 7, no. 1, pp. 29–36.

[5] J. A. Putra, A. Dharmawan, and J. Gondohanindijo, 2024. Sentimen Analisis Aplikasi Digitalent Mobile Menggunakan Naïve Bayes dan SVM dengan Ekstraksi Fitur TF IDF. Journal of Information Technology and Computer Science (INTECOMS), vol. 7, no. 4, pp. 1139–1148.

[6] R. Vincent, I. Maulana, and O. Komarudin, 2023. Perbandingan Klasifikasi Naive Bayes dan Support Vector Machine dalam Analisis Sentimen dengan Multiclass di Twitter. JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 4, pp. 2496–2505.

[7] W. Ningsih, B. Alfianda, Rahmaddeni, and D. Wulandari, 2024. Perbandingan Algoritma SVM dan Naïve Bayes dalam Analisis Sentimen Twitter pada Penggunaan Mobil Listrik di Indonesia. MALCOLM: Indonesian Journal of Machine Learning and Computer Science, vol. 4, no. 2, pp. 556–562.

[8] J. A. Putra, A. Dharmawan, and J. Gondohanindijo, 2024. Sentimen Analisis Aplikasi Digitalent Mobile Menggunakan Naïve Bayes dan SVM dengan Ekstraksi Fitur TF IDF. Journal of Information Technology and Computer Science (INTECOMS), vol. 7, no. 4, pp. 1139–1148.

[9] “Analisis Sentimen Ulasan E Commerce Menggunakan Naive Bayes dan Support Vector Machine,” 2023. Journal Infotech.

[10] Muszaki, V. Febriana, and W. Cholifah, 2024. Analisis Sentimen pada Ulasan Produk di E Commerce Menggunakan Metode Naive Bayes. Jurnal Riset dan Aplikasi Mahasiswa Informatika (JERAMI), vol. 5, no. 4, pp. 1–10.

[11] “Analisis Sentimen Produk pada E Commerce Menggunakan Naive Bayes dengan Akurasi Tinggi,” 2023. Jurnal Teknologi Informasi.

[12] “Penerapan Support Vector Machine untuk Analisis Sentimen Data Teks,” 2022. Jurnal Ilmu Komputer.

[13] Kurniawan, A. Hananto, S. Hilabi, et al., 2023. Perbandingan Algoritma Naive Bayes dan SVM dalam Sentimen Analisis Marketplace pada Twitter. JATISI (Jurnal Teknik Informatika dan Sistem Informasi), vol. 10, no. 1, pp. 731–740.

[14] “Perbandingan Naive Bayes dan SVM dengan SMOTE pada Analisis Sentimen,” 2024. Jurnal Teknologi dan Sistem Informasi.

[15] “Penerapan SVM dan TF-IDF untuk Analisis Sentimen Ulasan Aplikasi,” 2023. Jurnal Teknologi Komputer.

[16] E. Indrayuni, 2019. Klasifikasi Text Mining Review Produk Kosmetik untuk Teks Bahasa Indonesia Menggunakan Algoritma Naive Bayes. Jurnal Khatulistiwa Informatika, vol. 7, no. 1, pp. 29–36.

[17] Widyananda et al., 2025. Perbandingan Kinerja Model IndoBERT, IndoBERTweet, dan SVM pada Analisis Sentimen Ulasan E commerce. Jurnal Seminar ID, vol. 1, no. 1, pp. 1–10.

[18] H. Jayadianti et al., 2022. Sentiment Analysis of Indonesian Reviews Using Fine Tuning IndoBERT and R CNN. ILKOM Jurnal Ilmiah, vol. 14, no. 3, pp. 348–354.

[19] Nasution et al., 2025. Transformasi Pembelajaran Bahasa Indonesia melalui Deep Learning dan NLP. Eunoia: Jurnal Pemikiran dan Penelitian Pendidikan Bahasa dan Seni, vol. 5, no. 1, pp. 1–15.

[20] H. N. Muchammad Shiddieqy, S. P. Insap, and W. W. Wahyu, 2016. Studi Literatur Tentang Perbandingan Metode untuk Proses Analisis Sentimen di Twitter. Seminar Nasional Teknologi Informasi dan Komunikasi, vol. 7, no. 2, pp. 57–64.

[21] S. Widagdo, B. S. W. A. Soedijono, and A. Nasiri, 2020. Analisis Tingkat Kepopuleran E Commerce di Indonesia Berdasarkan Sentimen Sosial Media Menggunakan Metode Naïve Bayes. INFORMA Politeknik Indonusa Surakarta, vol. 6, no. 1, pp. 1–5.

[22] Natuzzuhriyyah, N. Nafisah, and R. Mayasari, 2021. Klasifikasi Tingkat Kepuasan Mahasiswa terhadap Pembelajaran Secara Daring Menggunakan Algoritma Naïve Bayes. JISKa, vol. 6, no. 3, pp. 161–170.