ABSTRAK

IMELDA JUNIARTI LAYUK, Penerapan Feature Selection Untuk Meningkatkan Kinerja Metode Naive Bayes Dalam Analisis Sentimen Konsumen Terhadap Produk Wardah Cushion Di TikTok Shop (dibimbing oleh Muhammad Arafah dan Andi Maulidinawati A.K Parewe).

Pesatnya perkembangan e-commerce berbasis media sosial seperti TikTok Shop menghadirkan tantangan dalam memahami sentimen konsumen yang beragam dan kompleks terhadap produk-produk yang dipasarkan. Beragamnya opini konsumen melalui ulasan dan komentar di platform TikTok Shop, khususnya untuk produk Wardah Cushion, memerlukan analisis mendalam untuk mengidentifikasi pola sentimen yang dapat membantu perusahaan dalam pengambilan keputusan strategis. Penelitian ini bertujuan untuk menganalisis sentimen konsumen terhadap produk Wardah Cushion di platform TikTok Shop menggunakan metode Naive Bayes dengan penerapan teknik Feature Selection. Analisis dilakukan dalam dua skenario, yaitu tanpa feature selection dan dengan feature selection menggunakan metode Chi-Square. Proses preprocessing data melibatkan tahapan cleaning, case folding, stopword removal, stemming, dan tokenization untuk mempersiapkan data sebelum klasifikasi. Evaluasi performa model dilakukan menggunakan metrik akurasi, precision, recall, dan f1-score. Hasil pengujian menunjukkan bahwa penerapan feature selection meningkatkan akurasi model dari 88,84% menjadi 92,15%. Hasil ini dapat disimpulkan bahwa pemilihan fitur relevan berpengaruh positif terhadap performa model Naive Bayes dalam mengklasifikasikan sentimen konsumen secara lebih akurat. Penelitian ini memberikan kontribusi dalam pemanfaatan text mining dan machine learning untuk analisis sentimen produk di e-commerce berbasis media sosial.

Kata kunci : Feature Selection, Naive Bayes, Analisis Sentimen, TikTok Shop, Chi-Square