Analisis Sentimen terhadap Facebook Marketplace Menggunakan Metode Lexicon Based dan Support Vector Machine

Abstract

Pandemi Covid-19 berdampak pada banyak hal, salah satunya budaya jual beli masyarakat. Jual beli masyarakat yang tadinya dilakukan secara langsung berubah menjadi jual beli secara online karena mengikuti aturan pemerintah untuk membatasi interaksi secara langsung maupun berkerumun. Facebook Marketplace adalah tempat jual beli secara online yang dikhususkan untuk pengguna Facebook karena berada didalam platform Facebook. Dibutuhkan data berupa opini mengenai Facebook Marketplace untuk melakukan analisis sentimen. Pengumpulan data opini diambil dari API Twitter karena Twitter merupakan media sosial yang banyak digunakan masyarakat untuk menampung opini dan paling update. Dari opini tersebut dapat dilihat sentimen tingkat kepuasan pengguna Facebook Marketplace dengan membaginya kedalam kelas sentimen negatif dan sentimen positif. Metode Lexicon Based digunakan untuk pembobotan opini sentimen positif dan negatif, kemudian proses klasifikasinya menggunakan metode Support Vector Machine (SVM). Hasil pembobotan menggunakan metode Lexicon Based menunjukkan hasil sentimen positif sebesar 82,6%, sedangkan sentimen negatif sebesar 17,4. Pada klasifikasi SVM menghasilkan nilai akurasi 51%, nilai presisi 51%, nilai recall 64%, dan AUC sebesar 0,51. pada kernel polynomial menghasilkan akurasi sebesar 52%, nilai presisi sebesar 84%, nilai recall sebesar 6%,  dan AUC sebesar 0,52.