International Seminar & Conference on Learning Organization

ISCLO 7th, 2019 (ISSN: 2354-6611)

ANALYSIS OF PRODUCT REVIEW MAKEUP USING

LDA-BASED TOPIC MODELING MOTODE
(CASE STUDY: CUSHION PIXY MAKE IT GLOW)

NURVITA TRIANASARI,
Telkom University,
Faculty of Economics and Business, Bandung, Indonesia.
E-mail: vita.statistik@gmail.com

NUR AINANI LUKMAN,

Telkom University,
Faculty of Economics and Business, Bandung, Indonesia.
E-mail: nurainani@student.telkomuniversity.ac.id

Abstract
Indonesia merupakan pasar potensial dan menjanjikan untuk industri kecantikan.
Berdasarkan Rencana Induk Pembangunan Industri Nasional (RIPIN) tahun 2015-2035
industri kosmetik berperan sebagai prime mover diperekonomian masa datang. PIXY
merupakan salah satu produk kosmetik local di Indonesia yang baru melakukan repositioning
produk, dengan tujuan untuk meningkatkan image brand, penjualan dan dapat menjadi one
and only produk local pilihan masyarakat Indonesia. PIXY memenangkan Best Beauty
Produk 2018 cushion series Make It Glow dari Femaledaily berdasarkan hasil review
pengguna. Review pengguna disebut juga sebagai User Generated Content (UGC) yang
dapat dimanfaatkan untuk pengembangan produk tahap pertama yaitu analisis konsumen.
Metode yang digunakan adalah Topic Modelling untuk mengetahui topik yang sering
dibicarakan oleh konsumen. Topik yang terbentuk tebagi mejadi puas dan tidak puas. Total
data yang diperoleh sebanyak 817. Saran bagi perusahaan PIXY untuk meningkatkan
formulasi produk agar tidak oksidasi sehingga menjadikan kulit abu-abu dan warna produk
yang kegelapan.

Key Words: Topic Modelling, Pengembangan Produk, User Generated Content

JEL Classification:

1
http://isclo.telkomuniversity.ac.id/
 International Seminar & Conference on Learning Organization
ISCLO 7th, 2019 (ISSN: 2354-6611)

1. Introduction
Indonesia merupakan pasar potensial untuk industri kecantikan. Berdasarkan Peraturan
Pemerintah Nomor 14 Tahun 2015 tentang Rencana Induk Pembangunan Industri Nasional
(RIPIN) Tahun 2015-2035, industri kosmetik merupakan salah satu industri andalan, artinya
industri prioritas yang berperan sebagai penggerak utama (prime mover) perekonomian dimasa
datang (kemenpirin.com, 2015). Data dari Badan Pengawas Obat dan Makanan (BPOM)
mengenai produk yang beredar tahun 2019 sebanyak 60,9% adalah produk kosmetik dengan
total produk 47.494 (BPOM, 2019).
Pada tahun 2018 di Indonesia terdapat lima pemain di industri kosmetik yang telah
mencatatkan sahamnya di Bursa Efek Indonesia, salah satunya adalah PT. Mandom Indonesia
Tbk dengan produk kosmetik merek PIXY (sigmarearch, 2017). Tahun 2018 PIXY melakukan
repositioning produk hal tersebut berdampak pada tujuan yang ingin dicapai sebagai “one and
only”produk lokal di Indonesia. Dalam perencanaannya PIXY akan terus melakukan
pengembangan produk yang lebih baik agar tetap menjadi pilihan masyarakat Indonesia. PIXY
memfokuskan pengembangan produk pada kategori base makeup dan decorative
makeup yang juga diiringi dengan proses rebranding dengan konsep yang lebih chic
and modern. Pada akhir tahun 2018 PIXY berhasil memenangkan Best of Beauty Award 2018
dengan Best Cushion Compact yang diselenggarakan oleh Femaledaily (pixy.co.id, 2019).
Pengembangan produk merupakan serangkaian aktivitas yang dimulai dari analisis persepsi
dan peluang pasar, kemudian diakhiri dengan tahap produksi, penjualan, dan pengiriman
produk (Rini, 2013:31).
Femaledaily telah menjadi salah satu situs yang paling populer berisikan ulasan-ulasan
produk kecantikan. Terdapat beberapa ulasan mengenai beberapa produk yang ada pada
website Femaledaily, kurang lebih terdapat 13.500 produk dari 1.000 merek dan lebih dari
100.000 ulasan pada produk-produk yang ada pada website Femaledaily. User dalam
femaledaily menulis ulasan pada suatu produk dan memberikan rating mulai dari 1 sampai 5
berdasarkan kualitas produk tersebut sesuai penilaian mereka sendiri ketika pernah memakai
produk tersebut (Rosi et al, 2018:1992).
Ulasan dalam femaledaily dapat disebut sebagai User Generated Content (UGC). UGC
dapat diartikan sebagai ulasan produk dalam bentuk konten media yang dihasilkan oleh
konsumen umum yang membeli dan memiliki pengalaman suatu produk ataupun jasa, bukan
oleh profesional berbayar. Konten pada UGC diunggah secara online pada social media atau
website (Daugherty dalam Onny dan Kusumawati, 2019:190). Topic Modelling merupakan
salah satu cara untuk dapat mengindentifikasi topik dari sebuah teks ataupun dokumen dalam
social media. topic modelling mewakili setiap dokumen sebagai kombinasi kompleks dari
beberapa topik dan setiap topik sebagai kombinasi kompleks beberapa kata. Hal tersebut
digunakan sebagai penambang kata untuk mengklasifikasikan dokumen berdasarkan hasil
inferensi topik (Alamsyah et al, 2018:255).

2. Literature Review

2.1 Big Data

Kumpulan informasi yang tidak dapat diproses dan di analisis melalui cara tradisional. Big
data melibatkan proses pembuatan data, penyimpanan, penggalian informasi dan analisis
yang menonjol dalam hal volume, dan variety, velocity, veracity Secara umum big data dapat
diartikan sebuah kumpulan data yang berukuran sangat besar (volume), hadir dalam berbagai
bentuk atau format (variety), serta memiliki kecepatan (velocity) dan berasal dari sumber yang
2
http://isclo.telkomuniversity.ac.id/
 International Seminar & Conference on Learning Organization
ISCLO 7th, 2019 (ISSN: 2354-6611)

kuat (veracity) (Pujianto et al, 2018:129).

2.2 Text Mining

Text mining merupakan proses memperoleh informasi berkualitas tinggi yang didapatkan dari
teks. Biasanya melibatkan proses penataan input teks, menemukan pola dengan struktur, dan
evaluasi dengan output menginterpretasikan hasil data. Tipikal text mining berupa
categorization, text clustering, document summarization, keyword extraction, dan lain-lain
(Tong dan Zhang, 2016:201-202).

2.3 Topic Modelling

Topik terdiri dari kata-kata tertentu yang menyusun topik tersebut, dan dalam satu dokumen
memiliki kemungkinan terdiri dari beberapa topik dengan probabilitas masing-masing. Topik,
distribusi topik per-dokumenkan merupakan struktur tersembunyi. Tujuan topic modelling
untuk menemukan topik dan kata-kata yang terdapat pada topik tersebut (Blei dalam Putra,
2017:A312).

2.4 Latent Dirichlet Allocation

LDA merupakan model probabilitas generatif dari kumpulan tulisan yang disebut corpus. Ide
dasar yang diusulkan metode LDA adalah setiap dokumen direpresentasikan sebagai
campuran acak atas topik yang tersembunyi, yang mana setiap topik memiliki karakter yang
ditentukan berdasarkan distribusi kata-kata yang terdapat di dalamnya (Blei dalam Putrra,
2017).

2.5 User Generated Content

Konten ulasan produk online mengenai suatu produk atau jasa yang diunggah di media sosial
dalam bentuk tertentu oleh non-profesional atau konsumen umum (Onny, 2019:190).

2.6 Pengembangan Produk

Pengembangan produk merupakan serangkaian aktivitas yang dimulai dari analisis persepsi,
peluang pasar, produksi, penjualan, dan pengiriman produk (Ulrich dan Steven dalam Rini,
2013).

2.7 Rating
Pendapat pelanggan pada skala tertentu. Sebuah skema peringkat popular untuk rating di toko
online adalah dengan memberikan bintang. Semakin banyak memberikan bintang, maka
menunjukkan peringkat penjual yang semakin baik menjadi representasi dari opini konsumen
dengan skala yang spesifik (Lackermair dalam Auliya et al. 2017:92).

3. Methodology
3.1 Participants
Data yang digunakan dalam proyek ini adalah data ulasan atau review produk cushion PIXY
Make It Glow dari website Femaledaily selama periode 16 September 2018- 25 September
2019 data diambil menggunakan aplikasi Parsehub dan melakukan preprocessing data di
aplikasi Rstudio. Data yang terkumpul dengan jumlah 817.

3.2 Teknik Analisis Data

1. Pengumpulan Data: pengumpulan data dilakukan dengan melakukan scrapping
menggunakan aplikasi Parsehub. Pengambilan data dilakukan dengan mengambil tiga atribut
yang ada dalam website Femaledaily, mengubungkan username dengan rating dan review yang

3
http://isclo.telkomuniversity.ac.id/
 International Seminar & Conference on Learning Organization
ISCLO 7th, 2019 (ISSN: 2354-6611)

selanjutnya akan dilakukan proses cleansing dan preprocessing data.

2. Preprocessing Data: atribut data yang diambil adalah username, rating, dan review yang
sudah berhasil terkumpul dilakukan cleansing dan preprocessing data.
3. Mengelompokkan Data: untuk dapat mengetahui setiap topik dari review konsumen data
harus dikelompokkan menjadi dua bagian yaitu puas dan tidak puas menggunakan median dari
skalaordinal.
𝑴ⅇ = 𝒙 𝒏+𝟏
( )
𝟐

Femaledaily menggunakan rating 5=sangat puas, 4=tidak puas, 3=cukup puas, 2=tidak puas,
1= sangat tidak puas dalam websitenya. Nilai median dari nilai rating tersebut adalah 3, maka
batas pengelompokan data puas dari nilai rating 5,4, 3 dan pengelompokan data tidak puas
rating 2 dan 1.
4. Identifikasi Topic Modelling: data yang diproses menggunakan aplikasi Rstudio dilakukan
secara berulang pada setiap atribut yang berbeda dan menentukan langsung jumlah topic
modelling yang nantinya akan dianalisis. Topic modelling berkaitan dengan penemuan struktur
atau topik dalam satu set dokumen yang berasal dari kemunculan kata-kata dalam dokumen

4. Results and Discussion

4.1 Result LDA-Based Topic Modelling
Dengan menggunakan pemodelan Topic Modelling LDA data di proses menggunakan Rstudio,
data yang dimiliki akan dilihat sebagai keseluruhan topik yang dibahas oleh pengguna cushion
PIXY series Make It Glow dalam website Femaledaily sebagai berikut:

Gambar 4.1 Hasil LDA-Based Topic Modelling Keseluruhan Rating

4
http://isclo.telkomuniversity.ac.id/
 International Seminar & Conference on Learning Organization
ISCLO 7th, 2019 (ISSN: 2354-6611)

Gambar di atas menunjukan 5 topik yang dibicarakan secara keseluruhan pada ulasan cushion
PIXY series Make It Glow periode 16 September 2018-25 September 2019, topik yang terdapat
dalam website femaledaily sebagai berikut:

1. Hasil yang didapat basah, produk bagus, cocok, coverage medium.

2. Hasil basah, warna dari produk, produk ini banyak disukai, namun kegelapan.
3. Produk lokal harga murah, berminyak, cocok.
4. Hasil produk ini bagusbanget, cocok, harga murah, ringan diwajah.
5. Hasil produk ini basah, mengalami oksidasi, menimbulkan jerawat.

Gambar 4.2 Hasil LDA-Based Topic Modelling Rating Puas

Gambar di atas menunjukan 5 topik yang dibicarakan berdasarkan rating puas ulasan cushion
PIXY series Make It Glow periode 16 September 2018-25 September 2019, topik yang terdapat
dalam website femaledaily sebagai berikut:

1. Hasil bagus, coverage medium, suka dengan produk, tahan lama.

2. Produk ini bagus, harga murah, konsumen suka banget dan cocok.
3. Hasil produk ini basah, formula ringan, menimbulkan jerawat.
4. Hasil produk ini bagus banget, coveragemedium, harga murah, dan warna produk.
5. Produk ini dicintai konsumen, bagus bagnet, hasil basah dan coveragemedium.

5
http://isclo.telkomuniversity.ac.id/
 International Seminar & Conference on Learning Organization
ISCLO 7th, 2019 (ISSN: 2354-6611)

Gambar 4.3 Hasil LDA-Based Topic Modelling Rating Tidak Puas

Gambar di atas menunjukan 5 topik yang dibicarakan berdasarkan rating tidak puas ulasan
cushion PIXY series Make It Glow periode 16 September 2018-25 September 2019, topik yang
terdapat dalam website femaledaily sebagai berikut:

1. Produk ini hasilnya basah, buat kegelapan dimuka, berminyak, membuat beruntusan.
2. Produk ini menimbulkan jerawat, terlihat abu-abu, dan oksidasi dikulit.
3. Warna kegelapan di muka, gacocok, dan abu-abu di muka.
4. Terlihat dempul, oksidasi, dan kegelapan dimuka.
5. Menimbulkan jerawat dan gacocok di muka.

5. Conclusions and Recommendations

5.1 Conclusion
Berdasarkan hasil dari Topic Modelling yang dilakukan oleh pengguna cushion PIXY series
Make It Glow dalam website Femaledaily, berdasarkan tahapan penelitian yang telah dilakukan
dapat disimpulkan bahwa:
1. Topik yang dibahas secara keseluruhan adalah ungkapan pujian dengan hasil produk ini.
2. Topik yang dibahas berdasarkan rating 5,4, dan 3 (puas) adalah konsumen merasa cocok
dengan produk ini hasilnya yang basah, bagus dimuka, memiliki coverage medium, formula
yang ringan dan harga yang murah.
3. Topik yang dibahas berdasarkan rating 2 dan 1 (tidak puas) adalah konsumen merasa produk
ini tidak cocok, mengalami oksidasi sehingga membuat muka menjadi abu-abu dan kegelapan,
formulanya juga menimbulkan jerawat dan beruntusan dimuka.

5.2 Recommendations
Berdasarkan data yang telah diuji pada penelitian ini dalam tahapan pertama pengembangan
produk dalam manajemen yaitu analisis persepsi sukses dilakukan dan dapat dijadikan
pertimbangan perusahan untuk pengkajian dalam pembuatan produk selanjutnya. Penulis
menyarankan untuk tetap mempertahankan formulasi produk yang membuat hasil produk
basah, ringan dimuka, dan memiliki coverage yang medium. Hal-hal yang perlu ditingkatkan
6
http://isclo.telkomuniversity.ac.id/
 International Seminar & Conference on Learning Organization
ISCLO 7th, 2019 (ISSN: 2354-6611)

yaitu formulasi agar produk tidak mengalami oksidasi sehingga menimbulkan kesan abu-abu
dimuka atau kegelapan. Dapat disimpulkan produk ini bagus, banyak disukai oleh konsumen.

References
Alamsyah, A., Rizkika, W., Nugroho, D. D., Renaldi, F., & Saadah, S. (2018). Dynamic Large Scale
Data on Twitter using Sentiment Analysis and Topic Modelling. International Conference on
Information and Communication technology (pp. 254-258). IEEE.
Auliya, Z. F., Umam, M. K., & Prastiwi, S. K. (2017) Online Customer Reviews dan Rating: Kekuatan
Baru pada Pemasaran Online di Indoneisa. EBBANK, 8(1), 89-98.
Onny, I. Y., & Kusumawati, A. (2019). Pengaruh User Generated Content (UGC) dan Brand Equity
pada Green Purchase. Jurnal Administrasi Bisnis, 73(1), 187-195.
Pujianto, A., Mulyati, A., & Novaria, R. (2018). Pemanfaatan Big Data dan Perlindungan Privasi
Konsumen di Era Ekonomi Digital. Majalah Ilmiah BIJAK, 15(2), 127-137.
Putra, I. K., & Kusumawardani, R. P. (2017). Analisis Topik Infomasi Publik Media Sosial di Surabaya
menggunakan Pemodelan Latent Dirichlet Allocation (LDA). Jurnal Teknik, 6(2), A311-A316.
Rini, E.S (2013). Peran Pengembangan Produk dalam Meningkatkan Penjualan. Jurnal Ekonomi, 16(1),
30-38.
Rosi, F., Fauzi, M. A., & Perdana, R. S. (2018). Prediksi Rating pada Review Produk Kecantikan
menggunakan Metode Naïve Bayes dan Categorical Propotional Difference (CPD). Jurnal
Pengembangan Teknologi Informasi dan Ilmu Komputer, 2(5), 1991-1997.
Tong, A., & Chang, H. (2016). A Text Mining Research Based on LDA Topic Modelling. Computer
Science & Informastion Technology, 201-210.

7
http://isclo.telkomuniversity.ac.id/