Electronic Theses and Dissertation

Penjualan produk kecantikan online semakin meningkat seiring dengan perkembangan teknologi. Salah satu marketplace terbesar di Indonesia adalah Shopee. Untuk meningkatkan kepercayaan konsumen, ulasan dari produk yang dijual menjadi penting. Namun, banyak ulasan yang terlalu banyak untuk dibaca satu per satu, sehingga perlu dikembangkan metode untuk menganalisis sentimen pada ulasan tersebut secara otomatis. Penelitian ini bertujuan untuk melakukan analisis sentimen pada ulasan produk masker wajah Camille Beauty di marketplace Shopee menggunakan pendekatan Natural Language Processing (NLP) dan metode Term Frequency-Inverse Document Frequency (TF-IDF) serta visualisasi dengan Wordcloud. Data yang digunakan adalah 882 ulasan yang diberikan oleh konsumen pada produk masker wajah Camille Beauty. Langkah-langkah dalam penelitian ini meliputi tahap preprocessing data, analisis sentimen menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF), pembuatan wordcloud, dan interpretasi hasil analisis sentimen. Hasil dari penelitian ini menunjukkan bahwa mayoritas ulasan konsumen tentang produk masker wajah Camille Beauty bersifat positif. Dengan hasil evaluasi performa model menunjukkan rata-rata nilai akurasi sebesar 95%, dengan tingkat akurasi yang tinggi ini, dapat disimpulkan bahwa model memiliki kinerja yang baik dalam memprediksi berdasarkan data yang diberikan. Hasil akurasi tersebut melebihi standar minimal akurasi yang dianggap baik sebesar 80%.

Kata Kunci : Analisis Sentimen, Ulasan Produk, Masker Wajah Camille Beauty, Marketplace Shopee, Natural Language Processing, Term Frequency- Inverse Documnent Frequency, Wordcloud.

The increasing development of technology has led to the rising of online beauty product sales. One of the largest marketplaces in Indonesia is Shopee. To increase consumer confidence, product reviews have become important. However, there are too many reviews to be read one by one, so a method to automatically analyze the sentiment in these reviews needs to be developed. This research aims to conduct sentiment analysis on product reviews of Camille Beauty face masks in the Shopee marketplace using Natural Language Processing (NLP) and the Term Frequency-Inverse Document Frequency (TF-IDF) method, as well as visualization with Wordcloud. The data used were 882 reviews provided by consumers on Camille Beauty face masks. The steps in this study include data preprocessing, sentiment analysis using the TF-IDF method, word cloud creation, and interpretation of sentiment analysis results. The results of this study show that the majority of consumer reviews about Camille Beauty face masks are positive. With the evaluation results indicating an average accuracy score of 95%, it can be concluded that the model has performed well in predicting based on the given data. This level of accuracy exceeds the minimum threshold of 80% considered as good. Keywords: Sentiment Analysis, Product Reviews, Camille Beauty Face Mask, Shopee Marketplace, Natural Language Processing, Term Frequency-Inverse Document Frequency, Wordcloud.