Firdauzi, Debby Az Zahra (2026) Penerapan Metode IndoBERT Dan Support Vector Machine (SVM) Untuk Analisis Sentimen Ulasan Pengguna Brand Skintific. Undergraduate thesis, Politeknik Negeri Jember.
![[img]](https://sipora.polije.ac.id/style/images/fileicons/text.png) |
Text (Abstract)
Abstract.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (190kB) |
|
Text (Bab 1 Pendahuluan)
Bab 1 Pendahuluan.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (195kB) |
|
Text (Daftar Pustaka)
Daftar Pustaka.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (175kB) |
|
Text (Laporan Lengkap)
Laporan Lengkap.pdf - Submitted Version Restricted to Registered users only Download (4MB) | Request a copy |
Abstract
Industri skincare di Indonesia tumbuh pesat, menghasilkan banyak ulasan tekstual konsumen di platform Sociolla. Untuk mengekstrak informasi secara otomatis, penelitian ini membangun sistem Aspect-Based Sentiment Analysis (ABSA) berbasis model IndoBERT (sebagai pengekstraksi fitur [CLS] berdimensi 768) dan algoritma Support Vector Machine (SVM) dengan pendekatan Label Powerset. Menggunakan 3.134 ulasan dari tiga produk Skintific, ketidakseimbangan kelas diatasi melalui Selective Over-sampling berbasis Easy Data Augmentation (EDA) sehingga dataset meningkat menjadi 3,424 sampel. Setelah membuang kelas langka di bawah 3 sampel, sisa 3.310 ulasan dibagi menggunakan Stratified Multi-label Split rasio 70:30 (2.317 data latih dan 993 data uji). Hasil eksperimen membuktikan kombinasi IndoBERT Fine-tuned dan SVM kernel Linear (C = 0,01) yang dioptimasi via GridSearchCV menghasilkan performa terbaik. Model mencatatkan Exact Match Accuracy sebesar 43,20%, Micro Precision 70,28%, Micro Recall 88,32%, Micro F1-Score 78,27%, serta Hamming Loss 5,10%. Hasil klasifikasi MySQL memetakan kekuatan Skintific pada aspek Kualitas Produk (2.280 positif) dan Tekstur (1.258 positif), serta kelemahan pada Kemasan (173 negatif) dan Harga (163 negatif). Model ini diintegrasikan ke arsitektur website Single Page Application (SPA) berbasis Laravel 11, React.js, dan microservices FastAPI untuk melayani prediksi otomatis secara real-time
| Item Type: | Thesis (Undergraduate) | ||||||
|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||
| Uncontrolled Keywords: | Aspect-Based Sentiment Analysis (ABSA), IndoBERT, Support Vector Machine (SVM), Label Powerset, Skintific, Sistem Otomatis Penuh | ||||||
| Subjects: | 410 - Rumpun Ilmu Teknik > 450 - Teknik Elektro dan Informatika > 458 - Teknik Informatika 410 - Rumpun Ilmu Teknik > 450 - Teknik Elektro dan Informatika > 461 - Sistem Informasi |
||||||
| Divisions: | Perpustakaan > Tugas Akhir > Undergraduate | ||||||
| Depositing User: | Debby Az Zahra Firdauzi | ||||||
| Date Deposited: | 21 Jul 2026 00:46 | ||||||
| Last Modified: | 21 Jul 2026 00:46 | ||||||
| URI: | https://sipora.polije.ac.id/id/eprint/58387 |
Actions (login required)
 |
View Item |
