Analisis Sentimen Ulasan Hijab Aulia dengan Metode Support Vector Machine untuk Kepuasan Pelanggan

Abstract

Perkembangan e-commerce berbasis konten seperti TikTok Shop mendorong peningkatan interaksi konsumen dalam bentuk ulasan produk. Komentar-komentar ini menjadi sumber informasi penting bagi produsen untuk memahami persepsi dan kebutuhan pelanggan secara lebih akurat. Penelitian ini bertujuan untuk menerapkan metode Support Vector Machine (SVM) dalam mengklasifikasikan sentimen pada ulasan produk hijab best seller dari Aulia Hijab yang dikumpulkan melalui teknik web scraping. Metode ini didukung oleh representasi fitur teks menggunakan TF-IDF untuk mengolah data teks berdimensi tinggi. Tahapan penelitian mencakup preprocessing data, pembobotan kata, pelatihan model SVM, hingga deployment sistem menggunakan framework Streamlit. Hasil evaluasi menunjukkan bahwa model mampu mencapai akurasi sebesar 92%, dengan performa tertinggi pada klasifikasi sentimen positif dan negatif. Namun, kategori netral masih memiliki tantangan dalam deteksi akurat akibat keterbatasan data dan pendekatan berbasis frekuensi. Penelitian ini memberikan kontribusi praktis dalam mendukung pengambilan keputusan berbasis data di sektor industri fashion digital, serta membuka peluang pengembangan model klasifikasi yang lebih kontekstual dan adaptif di masa depan.