Klasifikasi Emosi Ulasan Produk E- Commerce Menggunakan Support Vector Machine

Abstract

Abstrak— Ulasan pada e-commerce dapat mempengaruhi keputusan pembeli dan menunjukkan emosi pembeli terhadap produk yang mereka beli. Namun, analisis terhadap ulasan dalam e-commerce tersebut tidak mudah jika dilakukan secara manual. Oleh karena itu, penelitian ini memfokuskan domain tersebut dengan Support Vector Machine (SVM). Lebih lanjut, penelitian ini mengeksplorasi kernel dari SVM, yaitu: linear, polynomial, RBF, dan sigmoid. Nilai evaluasi tertinggi yang SVM tanpa data resampling untuk accuracy diraih oleh SVM kernel Linear dan Sigmoid sebesar 66.30. Precision, recall, dan f1-score diraih oleh SVM kernel Sigmoid dengan masing-masing 66.00, 62.12, dan 62.91. Untuk data resampling, accuracy dan precision tertinggi dicapai oleh SVM kernel RBF dengan nilai 61.97 dan 62.04. Sedangkan, nilai recall dan f1-score dengan data resampling diraih oleh SVM kernel Linear dengan nilai 65.19 dan 64.46. Berdasarkan kinerja secara kesesluruhan, accuracy tertinggi diraih oleh SVM kernel Linear dan Sigmoid, yaitu 66,30, precision tertinggi oleh SVM kernel RBF, yaitu 67,25, recall tertinggi oleh SVM kernel Sigmoid, yaitu 62,12, dan f1-score tertinggi oleh SVM kernel Sigmoid, yaitu 62,91.

Kata Kunci— Klasifikasi, Support Vector Machine, kernel, emosi, ulasan