CD Skripsi

Optimasi Klasifikasi Sentimen Review Produk Peeling DI Female Daily Dengan Support Vector Machine (SVM) Dan Beyesian Optimization Untuk Meningkatkan Akurasi

---

ABSTRAK

MIFTA KHUL JANNA, Optimasi Klasifikasi Sentimen Review Produk Peeling di Female Daily dengan Suppoert Vector Machine (SVM) dan Bayesian
Optimization untuk meningkatkan Akurasi (dibimbing oleh Andi Yulia Muniar dan A. Sumardin)
Penelitian ini membahas masalah rendahnya akurasi klasifikasi sentimen ulasan produk peeling di platform Female Daily akibat pelabelan otomatis berbasis leksikon yang belum akurat. Solusi yang ditawarkan adalah penerapan algoritma Support Vector Machine (SVM) yang dioptimasi menggunakan Bayesian Optimization. Penelitian ini bertujuan untuk meningkatkan akurasi dan keseimbangan klasifikasi. Data penelitian berjumlah 3.223 ulasan, dengan 500 data berlabel manual sebagai acuan validasi pelabelan otomatis. Data ini diperoleh
melalui studi pustaka dan web scraping yang diolah dengan tahapan text preprocessing serta ekstraksi fitur TF-IDF. Hasil penelitian menunjukkan bahwa berdasarkan hasil pengujian menunjukkan pelabelan otomatis hanya mencapai akurasi 39%, sementara model baseline SVM memperoleh akurasi 80%. Setelah dilakukan optimasi menggunakan Bayesian Optimization, akurasi meningkat menjadi 87% dengan macro F1-score 0,83 dan recall kelas netral 0,68. Dengan demikian, optimasi Bayesian Optimization terbukti efektif meningkatkan performa klasifikasi sentimen teks.

Kata kunci: Analisis sentimen, Support Vector Machine, TF-IDF, Bayesian Optimization, Female Daily.

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

CDSKR MIF o

Penerbit

Makassar : UNITAMA., 2025

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

REF MIF o

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

Pembimbing I: Andi Yulia Muniar dan Pembimbing II: A. Sumardin Penguji: Nurzaenab, Ilham dan Syahril Amin

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar