Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal ULINA: Jurnal Pengabdian kepada Masyarakat Scripta Technica: Journal of Engineering and Applied Technology Artificial Intelligence and Computing
Dede Prabowo Wiguna
Unknown Affiliation
Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Social Sciences

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Artificial Intelligence and Computing

 1 
Analisis Sentimen E-Commerce di Indonesia dengan Algoritma Naive Bayes (Studi Kasus Pada Platform Shopee, Tokopedia, Bukalapak, dan Lazada) Dede Prabowo Wiguna; Sakaria Efrata Ginting
AICOM: Artificial Intelligence and Computing Vol. 1 No. 04 (2026): ISSUE MARET
Publisher : AICOM: Artificial Intelligence and Computing

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pelanggan pada platform e-commerce (Shopee, Tokopedia, Bukalapak, dan Lazada) guna mengevaluasi tingkat kepuasan pengguna secara otomatis. Metode yang digunakan adalah algoritma Naive Bayes dengan pembobotan kata TF-IDF, yang diimplementasikan pada dataset sebanyak 40.000 ulasan dari Kaggle Dataset. Proses penelitian mencakup tahapan preprocessing yang terdiri dari cleaning, case folding, tokenizing, filtering, dan stemming. Hasil penelitian menunjukkan bahwa model pada algoritma Naive Bayes mampu mencapai tingkat akurasi sebesar 84,88%. Berdasarkan analisis distribusi sentimen, aplikasi Shopee memperoleh ulasan positif terbanyak (6.769 ulasan), sedangkan Bukalapak menerima ulasan negatif tertinggi (4.365 ulasan). Meskipun sangat efektif dalam membedakan sentimen positif dan negatif, model ini belum mampu mengidentifikasi sentimen netral, sehingga disarankan penggunaan teknik oversampling pada penelitian selanjutnya untuk menangani ketidak-seimbangan data.
Co-Authors Duma Lasmaria Siagian Ginting, Sakaria Efrata Jenheri Rejeki tarigan Lisda Juliana Pangaribuan Monang Tarigan Sembiring, Lismardiana