ANALISIS SENTIMEN TERHADAP JUAL BELI PRODUK SEPATU PRELOVED BERDASARKAN ULASAN X DENGAN PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) DAN LONG SHORT TERM MEMORY (LSTM)

Abstract

Perkembangan media sosial memungkinkan konsumen menyampaikan opini terhadap produk secara terbuka, termasuk pada sepatu preloved. Ulasan ini penting untuk dipahami karena dapat memengaruhi minat beli dan citra produk. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna di platform X (Twitter) menggunakan algoritma Support Vector Machine (SVM) dan Long Short-Term Memory (LSTM). Dataset yang digunakan berjumlah 1.005 ulasan, yang setelah proses preprocessing dan balancing menjadi 738 data, terbagi menjadi sentimen positif dan negatif. Hasil pengujian menunjukkan bahwa algoritma SVM mencapai akurasi sebesar 68%, sedangkan LSTM menghasilkan akurasi sebesar 61,49% pada konfigurasi terbaik. Dengan demikian, SVM terbukti lebih efisien dalam klasifikasi teks sederhana, sementara LSTM membutuhkan parameter yang lebih kompleks agar optimal. Penelitian ini diharapkan dapat menjadi acuan dalam pemanfaatan analisis sentimen untuk mendukung pengambilan keputusan bisnis pada produk preloved.