ABSTRAK

Dengan meningkatnya minat konsumen terhadap produk skincare, khususnya sunscreen, ulasan pelanggan di platform digital telah menjadi sumber informasi penting dalam memahami persepsi dan pengalaman pengguna. Produk sunscreen dari merek Skintific yang dipasarkan melalui e-commerce turut menjadi objek perhatian, seiring dengan banyaknya ulasan yang tersebar secara daring. Dalam konteks ini, analisis sentimen dapat memberikan wawasan strategis bagi perusahaan untuk memahami kebutuhan pasar dan mengembangkan produk secara lebih tepat sasaran.
Penelitian ini bertujuan untuk menganalisis sentimen pelanggan terhadap produk sunscreen Skintific berdasarkan ulasan dari situs Female Daily. Fokus utama terletak pada klasifikasi ulasan ke dalam kategori positif dan negatif, serta identifikasi kata kunci yang sering muncul pada masing-masing sentimen. Penelitian ini juga membandingkan pendekatan yang digunakan dengan studi sebelumnya guna memperlihatkan kontribusi penelitian ini dalam ruang lingkup yang lebih mikro dan terapan.
Metode penelitian dilakukan dengan teknik web scraping untuk mengumpulkan 736 ulasan pengguna, diikuti oleh tahap pra-pemrosesan data teks. Data kemudian dianalisis menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF) dan diklasifikasikan dengan algoritma Support Vector Machine (SVM) menggunakan empat kernel berbeda. Hasil terbaik diperoleh dari kernel linear yang menghasilkan akurasi sebesar 86%, recall 96,7% pada sentimen positif, dan F1-score sebesar 92%. Penelitian ini juga mengidentifikasi tema utama dalam ulasan, seperti kemudahan penggunaan, bentuk spray, dan reapply-friendly sebagai kelebihan, serta efek berminyak dan iritasi sebagai kelemahan.
Temuan menunjukkan bahwa mayoritas ulasan (595 dari 736) termasuk dalam kategori positif, yang menyoroti kenyamanan, kepraktisan, dan kecocokan produk dengan makeup. Sebaliknya, 141 ulasan negatif mengungkapkan ketidaknyamanan, iritasi, dan kurangnya efektivitas produk pada kulit tertentu. Hasil ini membuktikan bahwa analisis sentimen berbasis machine learning efektif dalam memahami persepsi konsumen terhadap satu produk secara spesifik, sekaligus menunjukkan kekuatan SVM pada data set terbatas.
Penelitian ini berkontribusi pada pengembangan strategi pemasaran berbasis konsumen dengan mengedepankan pendekatan berbasis data. Selain memberikan gambaran persepsi pelanggan secara real-time, temuan ini juga dapat digunakan untuk menyusun strategi komunikasi merek, evaluasi formulasi produk, serta penyusunan panduan penggunaan yang lebih spesifik. Saran praktis mencakup pengembangan sistem pemantauan sentimen otomatis dan penyesuaian promosi untuk tipe kulit tertentu, sementara secara teoritis, penelitian ini mendorong penerapan lintas disiplin dalam studi perilaku konsumen digital ke depannya.
 
Kata Kunci: Strategi Pemasaran, Persepsi Konsumen, Support Vector Mechine, Analisis Sentimen, Kepuasan Pelanggan.