Publisher

POLIBANPOLIBAN

Journal POSITIF : Jurnal Sistem dan Teknologi InformasiPOSITIF : Jurnal Sistem dan Teknologi Informasi Abstract

Ada berbagai macam produk yang termasuk kedalam produk kosmetik yaitu personal care, make up, pewangi termasuk parfum, hair care, dan skincare. Skincare sudah menjadi salah satu kebutuhan primer bagi perempuan di Indonesia saat ini, karena dengan skincare dapat menjaga kesehatan kulit. Skincare merupakan produk kecantikan yang digunakan oleh penggunanya untuk membersihkan kotoran pada wajah. Dalam memutuskan memilih produk skincare, tentunya konsumen dipengaruhi oleh berbagai faktor seperti kualitas skincare, brand image, dan harga. Selain itu, review mengenai produk skincare juga penting sebagai upaya perusahaan kosmetik untuk menarik minat beli konsumen. Salah satu metode dalam deep learning untuk menganalisis adalah Convolutional Neural Network (CNN). Sentimen analisis dilakukan sebagai upaya dalam mengevaluasi dan mengetahui kepuasan konsumen terhadap produk skincare serta sebagai bahan peningkatan pelayanan. Penelitian ini menggunakan metode CNN dimana pada model ini memiliki beberapa tahapan seperti scraping data, preprocessing data yang teridiri dari data cleansing & case folding, stemming, tokenizing, filtering (stopword removal), proses labelling, modelling, dan evaluasi model. Pada penelitian ini data yang digunakan merupakan data hasil scraping pada website tokopedia tentang produk skincare skintific. Data tersebut akan diolah dengan model CNN untuk memperoleh nilai akurasi yang dihasilkan dari kinerja model tersebut.

Conclusion

Hasil klasifikasi sentimen menggunakan algoritma CNN pada review produk skincare Skintific di website Tokopedia cenderung bersentimen netral.Hasil akurasi terbaik didapatkan pada percobaan pertama dengan nilai akurasi 97% dan hyperparameter batch size 32, learning rate 0.01, dan epoch 5 dengan susunan layer yaitu Embedding(),Conv1D(256,3,tanh), Dropout(0.Dengan demikian, model CNN dapat digunakan untuk menganalisis sentimen terhadap produk skincare Skintific dengan cukup baik.

Future Research

Berdasarkan hasil penelitian, terdapat beberapa saran yang dapat dipertimbangkan untuk penelitian lanjutan. Pertama, penelitian lebih lanjut dapat dilakukan dengan memperluas dataset yang digunakan, termasuk data dari platform e-commerce lain atau media sosial, untuk meningkatkan generalisasi model. Kedua, eksplorasi metode deep learning lainnya, seperti Recurrent Neural Networks (RNN) atau Transformers, dapat dibandingkan dengan CNN untuk melihat apakah metode tersebut menghasilkan akurasi yang lebih tinggi dalam analisis sentimen produk skincare. Ketiga, penelitian dapat difokuskan pada analisis lebih mendalam mengenai faktor-faktor spesifik yang memengaruhi sentimen konsumen terhadap produk Skintific, seperti komponen bahan, klaim produk, atau pengalaman penggunaan, untuk memberikan wawasan yang lebih komprehensif kepada perusahaan dalam meningkatkan kualitas produk dan strategi pemasaran mereka. Pengembangan sistem yang dapat mengintegrasikan analisis sentimen secara *real-time* dengan data penjualan juga dapat menjadi arah penelitian yang menarik, memungkinkan perusahaan untuk merespons tren pasar dan preferensi konsumen dengan lebih cepat dan efektif.

References

1. Penerapan 1D-CNN untuk Analisis Sentimen Ulasan Produk Kosmetik Berdasar Female Daily Review | Jurnal... doi.org/10.25077/teknosi.v8i3.2022.153-163Penerapan 1D CNN untuk Analisis Sentimen Ulasan Produk Kosmetik Berdasar Female Daily Review Jurnal doi 10 25077 teknosi v8i3 2022 153 163
2. Penerapan Algoritma CNN Untuk Mengetahui Sentimen Masyarakat Terhadap Kebijakan Vaksin Covid-19 | Irawan... ejournal.bsi.ac.id/ejurnal/index.php/ji/article/view/13257Penerapan Algoritma CNN Untuk Mengetahui Sentimen Masyarakat Terhadap Kebijakan Vaksin Covid 19 Irawan ejournal bsi ac ejurnal index php ji article view 13257
3. Opinion Mining Terhadap Pemberitaan Corona di Instagram menggunakan Convolutional Neural Network | Journal... doi.org/10.26740/jinacs.v2n01.p53-59Opinion Mining Terhadap Pemberitaan Corona di Instagram menggunakan Convolutional Neural Network Journal doi 10 26740 jinacs v2n01 p53 59

Subjects

1. #evaluasi model#evaluasi model
2. #kualitas produk#kualitas produk

Metadata

File size	4.43 MB
Pages	13
Short Link	https://juris.id/p-20M
Lookup Links	Google ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCA	Report