Analisis Sentimen Twitter Terhadap Penggunaan Artis Korea Selatan Sebagai Brand Ambassador Produk Kecantikan Lokal

  • Ristyani Slamet Universitas Nusa Mandiri
  • Windu Gata Universitas Nusa Mandiri
  • Annisa Novtariany Universitas Nusa Mandiri
  • Khairunisa Hilyati Universitas Nusa Mandiri
  • Febri Ainun Jariyah Universitas Nusa Mandiri

Abstract

 

Twitter sebagai platform yang digandrungi masyarakat terbukti dengan data yang menunjukkan bahwa Indonesia peringkat lima di dunia dengan banyak pengguna mencapai 18.4 juta. Banyak pengguna mengutarakan pendapat di dalam Twitter. Skincare lokal kini sedang merajai industri kecantikan di Indonesia. Beberapa brand kecantikan yang menggunakan artis korea sebagai brand ambassador. Berdasarkan hal tersebut, maka dilakukan analisis sentimen menggunakan algoritma Support Vector Machine (SVM)  dan naïve bayes untuk mengetahui bagaimana sentimen para pengguna terhadap penggunaan artis korea sebagai brand ambassador produk kecantikan lokal. Data yang digunakan merupakan komentar masyarakat twitter sebanyak 317 data yang terdiri 266 komentar positif dan 21 komentar negatif. Hasil terbaik diperoleh pada SVM dengan nilai akurasi  83.60% dengan precision 83.86% dan recall 99.62%.

References

Anto Satriyo Nugroho, Arief Budi Witarto, D. H. (2011). Support Vector Machine. Proceedings of the 2011 Chinese Control and Decision Conference, CCDC 2011, 842–847. https://doi.org/10.1109/CCDC.2011.5968300
Elizabeth-chiquita-t. (n.d.). artis-korea-jadi-brand-ambassador-skincare-lokal. https://www.idntimes.com/
Fitri, V. A., Andreswari, R., & Hasibuan, M. A. (2019). Sentiment analysis of social media Twitter with case of Anti-LGBT campaign in Indonesia using Naïve Bayes, decision tree, and random forest algorithm. Procedia Computer Science, 161, 765–772. https://doi.org/10.1016/j.procs.2019.11.181
Muhammad Diki Hendriyanto, Azhari Ali Ridha, U. E. (2022). Analisis Sentimen Ulasan Aplikasi Mola Pada Goole Play Store Menggunakan Algoritma Support Vector Machine. 5.
Parikh, R., & Movassate, M. (2009). Sentiment Analysis of User-Generated Twitter Updates using Various Classification Techniques. Final Report CS225N, 1–18.
S, P., & S, S. F. (2013). Opinion Mining and Sentiment Analysis - An Assessment of Peoples’ Belief: A Survey. International Journal of Ad Hoc, Sensor & Ubiquitous Computing, 4(1), 21–33. https://doi.org/10.5121/ijasuc.2013.4102
Savitri, N. L. P. C., Rahman, R. A., Venyutzky, R., & Rakhmawati, N. A. (2021). Analisis Klasifikasi Sentimen Terhadap Sekolah Daring pada Twitter Menggunakan Supervised Machine Learning. Jurnal Teknik Informatika Dan Sistem Informasi, 7(1), 47–58. https://doi.org/10.28932/jutisi.v7i1.3216
statistics/number-of-active-Twitter-users-in-selected- countries. (n.d.). https://www.statista.com
Zaki Muhammad, Rifqi Rahmadhani, Hafid Rizqifaluthi, M. A. Y. (2018). Process Mining Akademik Sekolah Menggunakan RapidMiner. Matics, 10(2), 39. https://doi.org/10.18860/mat.v10i2.5745
Published
2022-06-28
How to Cite
Slamet, R., Gata, W., Novtariany, A., Hilyati, K., & Jariyah, F. A. (2022). Analisis Sentimen Twitter Terhadap Penggunaan Artis Korea Selatan Sebagai Brand Ambassador Produk Kecantikan Lokal. INTECOMS: Journal of Information Technology and Computer Science, 5(1), 145-153. https://doi.org/https://doi.org/10.31539/intecoms.v5i1.3933
Abstract viewed = 0 times
PDF downloaded = 0 times