Analisis Clustering Sentimen Masyarakat Pengguna Platform Twitter Terhadap Produk Mixue dengan Metode Support Vector Machine (SVM)

Abstract

Pertumbuhan pesat gerai Mixue di Indonesia memicu beragam opini publik di media sosial, khususnya platform Twitter (X), sehingga pemantauan sentimen menjadi penting bagi manajemen perusahaan dalam merumuskan strategi produk dan pemasaran. Penelitian ini bertujuan menganalisis sentimen pengguna Twitter terhadap produk Mixue menggunakan algoritma Support Vector Machine (SVM) serta mengidentifikasi faktor-faktor yang memengaruhi sentimen tersebut. Data dikumpulkan melalui teknik crawling dengan pustaka Tweepy pada lingkungan Google Colab, kemudian melalui tahap praproses meliputi pembersihan data, tokenisasi, stemming, dan lematisasi sebelum diklasifikasikan ke dalam sentimen positif dan negatif dengan rasio data latih dan data uji 80:20. Evaluasi model menggunakan confusion matrix menunjukkan akurasi sebesar 86,82%, presisi kelas positif 0,86, recall 1,00, presisi kelas negatif 1,00, recall 0,26, dan rata-rata f1-score terbobot 0,83. Hasil menunjukkan mayoritas opini pengguna bersifat positif (95,35%), terutama dipengaruhi oleh harga produk yang terjangkau, ekspansi gerai yang masif, serta kualitas rasa dan pelayanan, sementara sentimen negatif banyak berkaitan dengan waktu tunggu dan ketepatan pesanan. Ketidakseimbangan kelas data menjadi penyebab rendahnya recall pada kelas negatif. Penelitian ini memberikan kontribusi teoritis pada pengembangan metode analisis sentimen berbasis machine learning serta masukan praktis bagi manajemen Mixue dalam meningkatkan kualitas produk dan layanan.