<![CDATA[Pertumbuhan pesat di sektor perdagangan elektronik telah menempatkan belanja daring sebagai pilar ekonomi digital yang krusial. Namun, tingginya interaksi pengguna pada platform tersebut menghasilkan jutaan ulasan yang mengandung opini subjektif mengenai kualitas layanan serta produk. Besarnya volume data tersebut menyulitkan pihak pengelola untuk melakukan identifikasi kepuasan pelanggan secara manual dan cepat. Permasalahan utama dalam penelitian ini adalah bagaimana mengotomatisasi proses klasifikasi sentimen pengguna agar pengelola dapat memahami umpan balik pelanggan secara efisien. Tujuan penelitian ini adalah melakukan analisis sentimen ulasan pengguna pada platform belanja daring menggunakan metode Multinomial Naïve Bayes Classifier sebagai solusi klasifikasi otomatis. Peneliti menggunakan data latih 80% dari total dataset sebanyak 44.481 dan data uji mencakup 20% dari total dataset sebanyak 11.121 jika ditambahkan kedua data dihasilkan 55.602 data cleaning. Hasil penelitian menunjukkan tingkat akurasi sebesar 87.22%, precision sebesar 85.21%, recall sebesar 87.22% dan f1-score sebesar 85.76%. Pembahasan menunjukkan algoritma memiliki performa tinggi dalam mengenali opini positif dan negatif, meskipun memerlukan optimasi untuk kelas netral. Secara praktis, penelitian ini membantu pengembang dalam memperbaiki sistem layanan secara berkelanjutan. Penelitian selanjutnya disarankan menerapkan teknik penyeimbangan data guna meningkatkan sensitivitas model.]]>
