Abstract:
Perkembangan teknologi digital telah mendorong transformasi dalam
aktivitas belanja masyarakat, salah satunya melalui platform TikTok Shop. Fitur ini
memungkinkan pengguna untuk berbelanja langsung dalam aplikasi TikTok, yang
memunculkan beragam tanggapan dari masyarakat, baik positif maupun negatif.
Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap TikTok
Shop dengan menggunakan dua algoritma klasifikasi teks, yaitu Support Vector
Machine (SVM) dan Logistic Regression. Data yang digunakan berjumlah 500
komentar dari salah satu video TikTok yang membahas TikTok Shop. Komentar
tersebut diproses melalui tahapan data cleaning, normalisasi, tokenisasi, stopword
removal, stemming, serta ekstraksi fitur menggunakan metode TF-IDF. Model
kemudian dievaluasi menggunakan metrik akurasi, presisi, recall, dan f1-score.
Hasil penelitian menunjukkan bahwa algoritma SVM memiliki performa lebih baik
dibandingkan Logistic Regression, dengan akurasi sebesar 89% dan f1-score
sebesar 86%, sedangkan Logistic Regression memperoleh akurasi 86% dan f1
score 80%. Oleh karena itu, SVM dinilai lebih efektif dalam mengklasifikasikan
sentimen masyarakat terhadap TikTok Shop di media sosial.
