Analisis Sentimen Berbasis Web pada Produk Kecantikan dengan Pendekatan Deep Learning

Dewi, Anak Agung Bintang Krisna (2024) Analisis Sentimen Berbasis Web pada Produk Kecantikan dengan Pendekatan Deep Learning. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5027201060-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2026. Download (5MB) | Request a copy

Abstract

Industri produk kecantikan telah mengalami pertumbuhan pesat dan menjadi salah satu sektor yang paling dinamis di dunia. Female Daily, sebuah platform ulasan produk kecantikan, berperan penting dalam membantu komunitas Indonesia yang semakin berkembang pesat. Pada tahun 2022, tren kecantikan berkembang dengan cepat, terutama dalam kategori fragrance. Selama bertahun-tahun, industri parfum di Indonesia didominasi oleh merek luar negeri, namun saat ini merek lokal juga muncul dengan aroma parfum yang unik dan tidak kalah menarik. Oleh karena itu, analisis sentimen menjadi semakin penting untuk mengetahui apa yang dipikirkan konsumen tentang produk tersebut. Penelitian ini bertujuan untuk mengembangkan sebuah website yang menggunakan pendekatan deep learning, khususnya model Long Short-Term Memory (LSTM), untuk melakukan analisis sentimen pada ulasan produk fragrance merek lokal di Female Daily. Metode pelabelan sentimen menggunakan lexicon dan model klasifikasi menggunakan LSTM. Dengan menggunakan model LSTM, website analisis sentimen dapat digunakan oleh pengguna dengan memasukkan link ulasan produk kecantikan kategori fragrance merek lokal dari website Female Daily dan memperoleh pemahaman tentang sentimen umum yang terkait dengan produk tersebut. Hasil penelitian ini dapat memberikan manfaat yang signifikan bagi perusahaan kecantikan dan konsumen. Perusahaan dapat memperoleh pemahaman yang lebih baik tentang preferensi konsumen dan merancang produk dan layanan yang lebih sesuai dengan preferensi tersebut. Selain itu, penelitian ini juga berkontribusi pada pengembangan teknologi deep learning dalam analisis sentimen produk kecantikan. Hasil akurasi algoritma LSTM yang didapatkan dari pelatihan model sebesar 77%. Kelas dengan sentimen positif memiliki precision 85%, recall 87%, dan F1-score 86%.
=================================================================================================================================
The beauty products industry has experienced rapid growth and become one of the most dynamic sectors in the world. Female Daily, a beauty product review platform, plays an important role in helping the fast-growing Indonesian community. In 2022, beauty trends are evolving rapidly, especially in the fragrance category. Over the years, the perfume industry in Indonesia has been dominated by foreign brands, but nowadays local brands are also emerging with unique and interesting perfume scents. Therefore, sentiment analysis is becoming increasingly important to find out what consumers think about the product. This research aims to develop a website that uses a deep learning approach, specifically the Long Short-Term Memory (LSTM) model, to perform sentiment analysis on fragrance product reviews on Female Daily. The sentiment labelling method uses a lexicon and the classification model uses LSTM. By using the LSTM model, the sentiment analysis website can be used by users by entering a link to a local brand fragrance category beauty product review from the Female Daily website and gaining an understanding of the general sentiment associated with the product. The results of this research can provide significant benefits to beauty companies and consumers. Companies can gain a better understanding of consumer preferences and design products and services that better suit those preferences. In addition, this research also contributes to the development of deep learning technology in sentiment analysis of beauty products. The accuracy result of LSTM algorithm obtained from model training is 77%. The class with positive sentiment has 85% precision, 87% recall, and 86% F1-score.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Analisis Sentimen, Deep Learning, Fragrance, LSTM, Sentiment Analysis
Subjects:	T Technology > T Technology (General) T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information Technology > 59201-(S1) Undergraduate Thesis
Depositing User:	Anak Agung Bintang Krisna Dewi
Date Deposited:	06 Feb 2024 03:50
Last Modified:	06 Feb 2024 03:50
URI:	http://repository.its.ac.id/id/eprint/106180

Actions (login required)

View Item