Tinjauan Sentimen Komentar Penjualan Makanan di Tokopedia Menggunakan Algoritma C45 dan SVM

Abstract

Studi ini menginvestigasi penggunaan algoritma C4.5 dan SVM (Support Vector Machine) dalam analisis sentimen terhadap komentar penjualan makanan di platform e-commerce Tokopedia. Tujuan utama adalah membandingkan kinerja kedua algoritma dalam memprediksi sentimen positif dan negatif dari komentar-komentar pengguna. Data yang digunakan merupakan kumpulan komentar yang telah dianotasikan sebagai positif atau negatif berdasarkan penilaian pengguna. Algoritma C4.5 digunakan untuk membangun pohon keputusan yang memisahkan data berdasarkan atribut-atribut yang relevan, sementara SVM digunakan untuk mencari hyperplane terbaik yang memaksimalkan margin antara dua kelas sentimen. Evaluasi dilakukan dengan membandingkan akurasi prediksi dari kedua algoritma menggunakan metrik yang relevan seperti akurasi dan F1-score. Hasil dari studi ini menunjukkan bahwa SVM mencapai akurasi sebesar 80%, sedangkan C4.5 mencapai akurasi 60%. SVM menonjol dalam kemampuannya mengatasi data yang kompleks dan non-linear, serta memberikan margin hyperplane yang maksimal untuk meningkatkan generalisasi model. Di sisi lain, C4.5 memberikan keunggulan dalam interpretabilitas model karena pohon keputusan yang dihasilkan dapat dengan jelas memvisualisasikan aturan-aturan keputusan. Kesimpulan studi ini menggarisbawahi pentingnya memilih algoritma yang sesuai dengan kebutuhan