Rate Prediction of Cosmetic Product Based on Test Review from Website Female Daily Using Naive Bayes Classifier

Abstract

Review online yang terdapat pada website merupakan salah satu media yang memungkinkan orang untuk mendapatkan informasi mendetail mengenai kualitas berbagai macam produk dan jasa. Dalam kasus penelitian ini adalah website review Female Daily. Pada website tersebut para konsumen membagikan pengalaman mereka saat menggunakan produk dan jasa dalam bentuk user review, yang biasanya terdiri dari teks review dan nilai rating yang menunjukkan penilaian konsumen terhadap kualitas produk kecantikan. Prediksi rating pada sebuah teks review produk berguna bagi konsumen sebelum membuat keputusan dalam membeli suatu produk. Penelitian prediksi rating ini menggunakan pendekatan machine learning. Algoritma Naïve bayes Classifier dipilih karena akurasi dan kesederhanaan penggunaannya. Dataset pada penelitian ini adalah teks review yang telah diberi nilai rating oleh pengguna. Total dataset yang digunakan sebanyak 688 data yang terdiri dari 550 data training dan 138 data testing. Dataset yang dikumpulkan berasal dari 5 brand berbeda dari satu kategori yang dipilih berdasarkan tingkat popularitas atau yang paling dikomentari. Klasifikasi rating yang dihasilkan dari penelitian ini mampu mengelompokkan sebuah teks review termasuk ke dalam kelas rating satu, dua, tiga, empat, atau lima. Eksperimen yang telah dilakukan menunjukkan bahwa metode yang diusulkan mencapai akurasi tertinggi sebesar 49,27% dengan class precision 48,19% dan class recall 49,61 %. Sementara akurasi rata-rata sebesar 38,62%.