Sentiment Analysis of Skincare Products Using Lexicon and Multinomial Naive Bayes on The Sociolla Website

Ferdian Rahmansyah; Sriyanto Sriyanto; Sri Lestari; Suhendro Yusuf Irianto

doi:10.47709/cnahpc.v7i4.7048

Authors

Ferdian Rahmansyah Fakultas Ilmu Komputer, Insitut Informatika dan Bisnis Darmajaya, Lampung, Indonesia
Sriyanto Fakultas Ilmu Komputer, Insitut Informatika dan Bisnis Darmajaya, Lampung, Indonesia
Sri Lestari Fakultas Ilmu Komputer, Insitut Informatika dan Bisnis Darmajaya, Lampung, Indonesia
Suhendro Yusuf Irianto Fakultas Ilmu Komputer, Insitut Informatika dan Bisnis Darmajaya, Lampung, Indonesia

DOI:

https://doi.org/10.47709/cnahpc.v7i4.7048

Keywords:

Lexicon-based, Multinomial Naive Bayes, Reviews Product, Sentiment Analysis, Sociolla

Abstract

Global warming has triggered extreme weather that negatively affects skin health, including damage, premature aging, and increased risk of skin cancer, prompting the use of skincare products. E-commerce platforms like Sociolla simplify skincare purchases, but the abundance of choices and varying skin reactions make product selection challenging. This study aims to assist consumers in making smarter purchase decisions by analyzing user reviews using sentiment analysis with a lexicon-based approach and the Multinomial Naive Bayes algorithm to classify reviews as positive or negative. The process includes data collection, text preprocessing, model development, and performance evaluation. The results show that this method achieved an accuracy of 80,64%, demonstrating its effectiveness in helping consumers filter reviews and select appropriate skincare products.

Downloads

Download data is not yet available.

References

Astuti, T., & Astuti, Y. (2022). Analisis Sentimen Review Produk Skincare Dengan Naïve Bayes Classifier Berbasis Particle Swarm Optimization (PSO). Jurnal Media Informatika Budidarma, 6(4), 1806. https://doi.org/10.30865/mib.v6i4.4119

Diandra Audiansyah, D., Eka Ratnawati, D., & Trias Hanggara, B. (2022). Analisis Sentimen Aplikasi MyXL menggunakan Metode Support Vector Machine berdasarkan Ulasan Pengguna di Google Play Store. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 6(8), 3987–3994. https://doi.org/10.21460/j-ptiik.v4i1.11484

Fadhlurrohman, N. A., Primajaya, A., Dimyati, A. N., Karawang, U. S., Timur, T., & Barat, J. (2025). Analisis Sentimen Terhadap Skema Student Loan Untuk Biaya Perguruan Tinggi Pada Twitter. 9(2), 2115–2123. https://doi.org/10.36040/jati.v9i2.13001

Fathullah, N. S., Sari, Y. A., & Adikara, P. P. (2020). Analisis Sentimen Terhadap Rating dan Ulasan Film dengan menggunakan Metode Klasifikasi Naïve Bayes dengan Fitur Lexicon-Based. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 4(2), 590–593. https://doi.org/10.18280/ijik.42241.193934

Fauziah, A. N. (2023). Analisis sentimen menggunakan naïve bayes classifier dan inset lexicon pada twitter (studi kasus: Mie Gacoan). Repository.Uinjkt.Ac.Id. https://doi.org/10.31227/koleksi.v0i0.1961

Gunawan, B., Pratiwi, H. S., & Pratama, E. E. (2018). Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes. Jurnal Edukasi Dan Penelitian Informatika (JEPIN), 4(2), 113. https://doi.org/10.26418/jp.v4i2.27526

Hidayat, E. Y., & Handayani, D. (2023). Penerapan 1D-CNN untuk Analisis Sentimen Ulasan Produk Kosmetik Berdasar Female Daily Review. Jurnal Nasional Teknologi Dan Sistem Informasi, 8(3), 153–163. https://doi.org/10.25077/teknosi.v8i3.2022.153-163

Ismail, A. R., & Raden Bagus Fajriya Hakim. (2023). Implementasi Lexicon Based Untuk Analisis Sentimen Dalam Menentukan Rekomendasi Pantai Di DI Yogyakarta Berdasarkan Data Twitter. Emerging Statistics and Data Science Journal, 1(1), 37–46. https://doi.org/10.20885/esds.vol1.iss.1.art5

Mulyani, E., Muhamad, F. P. B., & Cahyanto, K. A. (2021). Pengaruh N-Gram terhadap Klasifikasi Buku menggunakan Ekstraksi dan Seleksi Fitur pada Multinomial Naïve Bayes. Jurnal Media Informatika Budidarma, 5(1), 264. https://doi.org/10.30865/mib.v5i1.2672

Nasution, M. R. A., & Hayaty, M. (2019). Perbandingan Akurasi dan Waktu Proses Algoritma K-NN dan SVM dalam Analisis Sentimen Twitter. Jurnal Informatika, 6(2), 226–235. https://doi.org/10.31311/ji.v6i2.5129

Raksaka Indra Alhaqq, I Made Kurniawan Putra, & Yova Ruldeviyani. (2022). Analisis Sentimen terhadap Penggunaan Aplikasi MySAPK BKN di Google Play Store. Jurnal Nasional Teknik Elektro Dan Teknologi Informasi, 11(2), 105–113. https://doi.org/10.22146/jnteti.v11i2.3528

Sanrilla, S., Ransi, N., La Surimi, L. S., Andi Tenriawaru, A. T., & La Ode Saidi, L. O. S. (2022). Analisis Sentimen Masyarakat Terhadap Toko Online Aplikasi Shopee Menggunakan Metode Multinomial Naïve Bayes. Jurnal Matematika Komputasi Dan Statistika, 2(2), 68–75. https://doi.org/10.33772/jmks.v2i2.9

Supian, A., Revaldo, B. T., Marhadi, N., Rahmaddeni, & Efrizoni, L. (2024). Penerapan SVM dan Word2Vec untuk Analisis Sentimen Ulasan Pengguna Aplikasi DANA. 23(September), 321–332. https://doi.org/10.32409/jikstik.23.3.3642

Utami, T. W. (2023). Analisis Sentimen Brand Ambassador Artis Korea Selatan pada Produk Indonesia dengan Lexicon. Prosiding Seminar Nasional Sains Data, 3(1), 336–344. https://doi.org/10.33005/senada.v3i1.131

Widiastuti, A. F., Listyorini, S., & Farida, N. (2022). Pengaruh Perceived Website Quality terhadap Repurchase Intention Dengan E-Trust sebagai Variabel Intervening pada Sociolla (Studi pada Pengguna Sociolla Mahasiswa FISIP Universitas Diponegoro). Jurnal Ilmu Administrasi Bisnis, 11(3), 381–389. https://doi.org/10.14710/jiab.2022.34858