Analisa Pengaruh Trending Topik Media Sosial terhadap Kepercayaan dan Perilaku Belanja Online Konsumen Menggunakan Metode Sentiment Classification Berbasis SVM

Abstract

Analisa terhadap pengaruh trending topic pada media sosial, khususnya TikTok, terhadap kepercayaan dan perilaku belanja online konsumen sangat penting karena mampu memberikan gambaran terhadap sikap konsumen. Penggunaan metode yang dapat mengakomodirnya yaitu metode sentiment classification berbasis Support Vector Machine (SVM) dikombinasikan dengan Term Frequency-Inverse Document Frequency (TF-IDF), dan mengklasifikasikan sentimen menjadi 3 kategori yaitu positif, negatif, dan netral. Pada skenario pengujian diantaranya, baseline (80:20), 5-fold cross-validation, imbalanced class, menunjukkan hasil prediksi model dengan produk trending topic menghasilkan akurasi dan performa klasifikasi yang lebih tinggi dibandingkan data tanpa trending topic. Analisa sentiment classification dengan regresi linier menunjukkan bahwa trending topic memiliki pengaruh signifikan terhadap kepercayaan konsumen, yang memengaruhi niat beli dan perilaku belanja secara digital. Sehingga era digital dengan pesatnya social media menunjukkan sentimen viral sangat penting dalam keputusan belanja konsumen.