Salah satu bukti perkembangan teknologi saat ini yaitu pemanfaatan E-Commerce sebagai sarana untuk melakukan transaksi jual beli seperti pada online shop. Banyaknya pesan yang diterima seringkali membuat admin online shop kebingungan dan kewalahan merespon pesan masuk yang begitu banyak dan beragam. Berdasarkan dari permasalahan tersebut, penelitian ini akan melakukan pengklasifikasian pesan
permintaan produk online shop menggunakan metode Support Vector Machine (SVM) dengan menerapkan Sequential training untuk melakukan proses training data. Support Vector Machine akan memisahkan data chat menjadi dua kategori yaitu kategori query dan non-query. Proses klasifikasi pesan
permintaan produk pada penelitian ini meggunakan 500 dataset dengan jumlah kelas data yang mengandung query sebanyak 171 data dan yang non-quey sebanyak 329 data. Adapun hasil dan tingkat akurasi dari penerapan metode Support Vector Machine (SVM) dengan 20% dari data set sebagai data testing dan 80% sebagai data training terbukti dapat diterapkan pada klasifikasi pesan permintaan produk menggunakan Kernel Linear, dengan hasil yang didapatkan yaitu 84,7% dengan parameter C=3 menggunakan uji validasi dengan K-Fold Cross Validation

One evidence of current technology development is the use of E-Commerce as a platform to conduct buying and selling transactions such as in an online shop. The number of messages received often makes online shop admins confused and overwhelmed to see many and varied incoming messages. Based on these problems, this study will classify online shop product request messages using the Support Vector
Machine (SVM) method by applying Sequential training to carry out the data training process. Support Vector Machine will separate chat data into two categories, namely query and non-query categories. The process of classifying product request messages in this study uses 500 datasets with 171 data classes containing query data and 329 non-quey data classes. The results and the level of accuracy from the
application of the Support Vector Machine (SVM) method with 20% of the data set as testing data and 80% as training data are proven to apply to the classification of product request messages using a Linear Kernel, with the results reaching 84.7% with parameter C=3 using a validation test with k-Fold Cross Validation