SUSILO, HALBILA (2025) ANALISIS SENTIMEN KOMENTAR PENGGUNA TIKTOK TERHADAP OVERCLAIM PRODUK SKINCARE MENGGUNAKAN REGRESI LOGISTIK. Bachelor thesis, UNIVERSITAS PERADABAN.
![[img]](http://repository.peradaban.ac.id/style/images/fileicons/other.png) |
PDF (HALAMAN AWAL)
COVER-42421012-Halbila Susilo-SKRIPSI-2025.pdf - Published Version Download (639kB) |
|
PDF (ABSTRAK)
ABSTRAK-42421012-Halbila Susilo-SKRIPSI-2025.docx - Published Version Download (10kB) |
|
PDF (BAB I)
BAB 1-42421012-Halbila Susilo-SKRIPSI-2025-.pdf - Published Version Restricted to Registered users only Download (132kB) |
|
PDF (BAB II)
BAB2-42421012-Halbila Susilo-SKRIPSI-2025.pdf - Published Version Restricted to Registered users only Download (393kB) |
|
PDF (BAB III)
BAB3-42421012-Halbila Susilo-SKRIPSI-2025.pdf - Published Version Restricted to Registered users only Download (286kB) |
|
PDF (BAB IV)
BAB4-42421012-Halbila Susilo-SKRIPSI-2025.pdf - Published Version Restricted to Registered users only Download (1MB) |
|
PDF (BAB V)
BAB5-42421012-Halbila Susilo-SKRIPSI-2025.pdf - Published Version Download (48kB) |
|
PDF (DAFTAR PUSTAKA)
DAFTAR PUSTAKA-42421012-Halbila Susilo-SKRIPSI-2025.pdf - Published Version Download (184kB) |
|
PDF (LAMPIRAN)
LAMPIRAN-SKRIPSI-2025-42421012-Halbila Susilo.pdf - Published Version Restricted to Repository staff only Download (304kB) |
Abstract
Industri skincare di Indonesia mengalami pertumbuhan pesat yang memicu persaingan ketat, salah satunya melalui praktik overclaim atau klaim berlebihan tanpa bukti ilmiah. Fenomena ini mendapat sorotan di media sosial TikTok, khususnya setelah akun “Dokter Detektif” mengungkap ketidaksesuaian kandungan produk dengan klaim yang ditampilkan. Penelitian ini bertujuan menganalisis sentimen pengguna TikTok terhadap produk skincare yang diduga melakukan overclaim menggunakan pendekatan Natural Language Processing (NLP). Data penelitian berupa 4.000 komentar TikTok yang dikumpulkan menggunakan tools scraping Apify. Proses analisis meliputi pra-pemrosesan teks (cleansing, normalisasi, tokenisasi, stopwords removal, dan steamming), pelabelan sentimen otomatis dengan model RoBERTa, serta representasi fitur menggunakan metode TF-IDF. Selanjutnya, data diklasifikasikan menggunakan algoritma Regresi Logistik dengan evaluasi berbasis akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model Regresi Logistik mencapai akurasi 84,21%, dengan sentimen negatif mendominasi komentar pengguna. Temuan ini menunjukkan bahwa praktik overclaim berkontribusi pada terbentuknya persepsi negatif konsumen di media sosial. Penelitian ini diharapkan dapat menjadi referensi bagi pelaku industri skincare untuk menerapkan strategi komunikasi pemasaran yang lebih transparan dan bertanggung jawab.
| Item Type: | Thesis (Bachelor) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
|||||||||
| Uncontrolled Keywords: | Analisis Sentimen, Overclaim, Skincare, TikTok, Regresi Logistik, TF-IDF, RoBERTa | |||||||||
| Subjects: | 000 Ilmu Komputer, Informasi dan Karya Umum > 000 Ilmu Umum; Ilmu Komputer dan Informasi > 006-Metode Komputer Tertentu > Kecerdasan Buatan;Sistem Pakar; Neural Network; Data Mining; Machine learning; Computer Vision; Pengolahan Citra | |||||||||
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Informatika - S1 | |||||||||
| Depositing User: | S.E. Khozin Khozin | |||||||||
| Date Deposited: | 11 Mar 2026 03:14 | |||||||||
| Last Modified: | 11 Mar 2026 03:14 | |||||||||
| URI: | http://repository.peradaban.ac.id/id/eprint/2376 |
Actions (login required)
 |
View Item |