Sentimen analisis terhadap isu overclaim pada produk kecantikan menggunakan algoritma Bidirectional Encoder Representations From Transformers (BERT)

Jamil, Wildan Sophal (2025) Sentimen analisis terhadap isu overclaim pada produk kecantikan menggunakan algoritma Bidirectional Encoder Representations From Transformers (BERT). Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (Cover) COVER.pdf Download (321kB) | Preview
Preview	Text (Abstrak) ABSTRAK.pdf Download (353kB) | Preview
Preview	Text (Surat Pernyataan Karya sendiri) Surat karya sendiri.pdf Download (397kB) | Preview
Preview	Text (Daftar Isi) DAFTAR ISI.pdf Download (579kB) | Preview
Preview	Text (BAB I) BAB I.pdf Download (422kB) | Preview
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (654kB) | Request a copy
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (835kB) | Request a copy
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (2MB) | Request a copy
	Text (BAB V) BAB V.pdf Restricted to Registered users only Download (358kB) | Request a copy
	Text (Daftar Pustaka) DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (435kB) | Request a copy

Abstract

Fenomena overclaim pada produk kecantikan menjadi sorotan publik seiring meningkatnya kesadaran konsumen akan pentingnya transparansi kandungan produk. Media sosial, khususnya platform X (sebelumnya Twitter), menjadi ruang utama bagi masyarakat untuk menyuarakan opini terkait isu ini. Penelitian ini bertujuan untuk menganalisis persepsi masyarakat terhadap overclaim produk skincare menggunakan algoritma Bidirectional Encoder Representations from Transformers (BERT), dengan memanfaatkan varian IndoBERT yang dioptimalkan untuk Bahasa Indonesia. Data dikumpulkan dari utas-utas pada flatform X dengan kata kunci “dokter detektif” dan diproses melalui tahapan CRISP-DM, termasuk pembersihan teks, labeling otomatis, oversampling, hingga fine-tuning model. Evaluasi model dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil pengujian menunjukkan model mencapai akurasi 92%, F1-score 92%, dan berhasil mengklasifikasikan opini masyarakat ke dalam dua kategori sentimen (positif dan negatif). Penelitian ini juga menemukan adanya perbedaan distribusi sentimen antara akun terverifikasi dan tidak terverifikasi, yang mengindikasikan variasi pola komunikasi dan tingkat kepercayaan terhadap informasi klaim produk kecantikan.

Actions (login required)

View Item