View/Open

Author
Chantika, Aurrelia

Date Published
27 Jul 2026

Advisor
Winda Yulita, M.Cs.,

Subject
Teknik Informatika

Publisher

Peredaran produk skincare bermerkuri di pasaran semakin mengkhawatirkan meskipun telah dilarang karena dampak bahayanya bagi kesehatan. Media sosial X (sebelumnya Twitter) menjadi salah satu wadah utama bagi masyarakat untuk menyampaikan keluhan, peringatan, serta opini terkait isu ini. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat mengenai skincare bermerkuri dan mengklasifikasikannya ke dalam kelas positif, negatif, atau netral. Metode yang digunakan adalah algoritma Naïve Bayes yang digabungkan dengan ekstraksi fitur Term Frequency-Inverse Document Frequency (TF-IDF). Untuk mengatasi kelemahan asumsi independensi pada Naïve Bayes, algoritma Particle Swarm Optimization (PSO) diimplementasikan guna melakukan optimasi hyperparameter. Data teks sebanyak 3.322 tweet unik diperoleh melalui proses crawling dengan kata kunci #SkincareMerkuri yang selanjutnya akan diproses melalui tahap preprocessing. Proses pelabelan data dilakukan menggunakan tiga instrumen pelabelan otomatis, yaitu InSet Lexicon, IndoBERT, dan SentiStrength. Hasil evaluasi menggunakan metode pengujian 10-fold cross validation menunjukkan bahwa sentimen masyarakat dominan berada pada kategori Negatif. Dari segi performa klasifikasi, model Naïve Bayes menghasilkan nilai rata-rata akurasi sebesar 65,97%. Setelah dioptimasi menggunakan PSO, kinerja model mengalami peningkatan dengan pencapaian rata-rata akurasi sebesar 70,75%. Hasil penelitian ini membuktikan bahwa PSO efektif dalam mengoptimalkan parameter Naïve Bayes untuk menghasilkan model analisis sentimen teks yang lebih baik.

URI
https://repo.itera.ac.id/depan/submission/SB2607230057

Keyword
Analisis Sentimen Naïve Bayes PSO Skincare Merkuri TF-IDF