Perbandingan Metode Naive Bayes dan Logistic Regression dalam Analisis Sentimen Komentar Tiktok - Dalam bentuk buku karya ilmiah

CEVA ALGIVARI SULAIMAN

Informasi Umum

Kode

25.04.7214

Klasifikasi

000 - General Works

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Data Science

Dilihat

95 kali

Informasi Lainnya

Abstraksi

Perkembangan internet dan media sosial telah mengubah cara masyarakat mencari informasi, berkomunikasi, dan mengambil keputusan, termasuk dalam memilih produk kecantikan. TikTok sebagai salah satu platform dengan pertumbuhan pesat di Indonesia menjadi ruang utama bagi pengguna untuk membagikan ulasan dan pengalaman pribadi yang dapat memengaruhi persepsi publik terhadap suatu produk. Beragamnya opini tersebut menimbulkan tantangan dalam mengidentifikasi sentimen konsumen secara objektif. Penelitian ini bertujuan untuk menganalisis sentimen komentar pengguna TikTok terhadap produk kecantikan lokal dengan membandingkan performa algoritma Naïve Bayes dan Logistic Regression dalam klasifikasi sentimen positif dan negatif, serta memberikan referensi bagi masyarakat dalam menilai persepsi umum terhadap produk kecantikan lokal berdasarkan opini publik. Data yang digunakan terdiri dari 12.252 komentar pengguna TikTok yang melalui tahapan preprocessing, tokenisasi, stopword removal, stemming, dan representasi menggunakan TF-IDF. Hasil pengujian menunjukkan bahwa Logistic Regression memiliki performa lebih baik dibandingkan Naïve Bayes, dengan akurasi sebesar 93% dan F1-score 0,93, sedangkan Naïve Bayes memperoleh akurasi 86% dan F1-score 0,86. Visualisasi WordCloud menunjukkan dominasi kata positif seperti “aku”, “bagus”, “pakai”, dan “lembab”, serta kata negatif seperti “tidak”, “jerawat”, dan “afiliasi”. Hasil ini menegaskan bahwa Logistic Regression lebih efektif dalam mengklasifikasikan sentimen komentar TikTok, serta dapat menjadi bahan pertimbangan bagi masyarakat dalam mengambil keputusan pembelian berdasarkan opini yang teranalisis secara ilmiah.