Analisis Sentimen Topik Bahan Aktif Skincare menggunakan Latent Dirichlet Allocation dan InSet Lexicon di Media Sosial Twitter

Abstract

Salah satu industri yang sedang berkembang saat ini adalah industri kosmetik yang di dalamnya mencakup perawatan kulit (skincare). Berdasarkan data Badan Pusat Statistik (BPS) pada tahun 2021, kosmetika yang mencakup sektor industri farmasi, kimia, dan obat tradisional mengalami pertumbuhan hingga 9,61% Seiring dengan semakin berkembangnya industri kosmetik, produk yang diproduksi juga ikut meningkat utamanya produk perawatan kulit (skincare) yang mengandung berbagai macam bahan aktif, sehingga penggunaan bahan aktif ini juga ikut meningkat. Saat ini media sosial seperti twitter memungkinkan para peneliti dapat mengakses data yang efektif untuk dilakukan analisis terkait pengalaman pengguna, karena forum online dapat menyajikan informasi kata dalam mendeskripsikan topik dan pengalaman pengguna yang berhubungan dengan kesehatan pengguna, terutama kesehatan dan perawatan kulit (skincare). Data yang diperoleh dari twitter merupakan data set yang besar dan membutuhkan metode untuk menganalisis topik serta opini dari pengguna twitter. Oleh karena itu, dilakukan pemodelan topik dengan Latent Dirichlet Allocation yang merupakan salah satu contoh dari unsupervised learning yang memproses data yang berukuran besar dengan menggunakan metode bag of words untuk mengidentifikasi informasi topik yang tersembunyi dalam kumpulan dokumen yang besar. Sebelum dilakukan pemodelan topik dilakukan clustering terlebih dahulu dengan K-Means karena clustering dapat membantu mengelompokkan dari data yang besar dan luas untuk menjadi kelompok data yang lebih spesifik. Selanjutnya dilakukan analisis sentimen dengan InSet Lexicon. Pada penelitian ini dihasilkan 4 cluster dan setiap cluster dilakukan pemodelan topik dengan LDA. Cluster 1 menghasilkan topik kandungan alpha arbutin pada serum. Hal ini dapat memberikan sebuah ulasan terkait penggunaan alpha arbutin oleh pengguna twitter, sehingga dari informasi tersebut perusahaan dapat berinovasi menghasilkan produk kandungan alpha arbutin digabung dengan kandungan lain, sehingga akan menghasilkan produk baru yang mungkin akan lebih baik hasilnya pada kulit. Hasil sentimen didapatkan berupa sentimen positif 42,5%, negatif 45%, dan netral 12,5%. Cluster 2 menghasilkan topik kandungan tea tree, ceramide, dan centella untuk mengatasi jerawat. Campuran dari kandungan tea tree, ceramide, dan centella dapat menjadi inovasi bagi perusahaan untuk menghasilkan produk untuk mengatasi jerawat. Hasil sentimen didapatkan berupa sentimen positif 41,36%, negatif 46,99%, dan netral 12,13%. Cluster 3 menghasilkan topik kandungan salicylic acid dan hyaluronic pada serum. Informasi ini dapat menjadi sebuah masukan terkait inovasi berupa produk campuran dari salicylic aci yang pada umumnya membuat kulit kering dengan hyaluronic yang bermanfaat untuk melembabkan dan menghidrasi kulit. Hasil sentimen didapatkan berupa sentimen positif 40,57%, negatif 42,62%, dan netral 16,80%. Cluster 4 menghasilkan topik clay mask skintific yang mengandung mugwort. Hal ini dapat menjadi informasi yang berguna untuk brand Skintific karena produk clay mask mugwort mereka berhasil menjadi topik pembahasan pada twitter. Informasi ini dapat digunakan sebagai masukan bagi pembaharuan strategi bisnis perusahaan. Hasil sentimen didapatkan berupa sentimen positif 41,67%, negatif 43,94%, dan netral 14,39%.