KLASIFIKASI SENTIMEN DAN HUBUNGAN KARAKTERISTIK TEKS TERHADAP TINGKAT ENGAGEMENT TWEET PADA LAYANAN SHOPEE

Abstract

Media sosial Twitter (X) menjadi salah satu sarana utama pengguna dalam menyampaikan opini, keluhan, maupun pengalaman terhadap layanan e-commerce seperti Shopee. Tingginya volume percakapan menyebabkan perlunya analisis otomatis untuk memahami sentimen pengguna serta keterlibatan engagement yang dihasilkan. Permasalahan dalam penelitian ini berfokus pada proses pengklasifikasian sentimen tweet yang berkaitan dengan Shopee serta pengkajian keterkaitan karakteristik teks terhadap tingkat engagement. Penelitian ini bertujuan untuk menyusun model klasifikasi sentimen dan mengamati kecenderungan pola engagement berdasarkan fitur yang terdapat pada konten tweet. Metode yang diterapkan meliputi Naive Bayes dan Support Vector Machine (SVM) sebagai algoritma klasifikasi sentimen, pembagian data dengan rasio 80:20 untuk data latih dan data uji, serta FP-Growth, WordCloud, dan Crosstab untuk mendukung analisis engagement. Hasil penelitian menunjukkan bahwa kedua model menghasilkan akurasi sebesar 68%, dengan SVM memiliki distribusi performa yang lebih seimbang. Analisis FP-Growth menemukan pola dominan pada sentimen positif dengan engagement rendah, sementara engagement tinggi tidak menunjukkan pola asosiasi yang kuat. Hal ini mengindikasikan bahwa engagement tidak hanya dipengaruhi oleh sentimen, tetapi juga faktor eksternal dan karakteristik akun.