SENTIMEN ULASAN PENGGUNA E-COMMERCE BLIBLI MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE DENGAN METODE SMOTE

Hadi, Abdul
Bernard, Brian
Hulu, Lestin Nurhadia
Hulu, Windia Ningsih

Kohesi: Jurnal Sains dan Teknologi
Vol. 6 No. 5 (2025): Kohesi: Jurnal Sains dan Teknologi

This study aims to analyze user sentiment in reviews of the Blibli application on Google Play using Naïve Bayes and Support Vector Machine (SVM) algorithms. In this research, the SMOTE method is applied to address data imbalance in the dataset. User reviews are collected through a scraping technique and processed through various stages, including case folding, tokenizing, stopword removal, and stemming. Text representation is performed using TF-IDF, while data splitting is conducted with an 80% training and 20% testing ratio. The discussion in this study explores the effectiveness of the Naïve Bayes and SVM algorithms in sentiment analysis, both with and without SMOTE application. The use of SMOTE is evaluated to address the challenges of imbalanced datasets and improve model performance. Furthermore, the study examines how text representation through TF-IDF influences the analysis results and discusses the practical implications of algorithm selection for e-commerce developers in better understanding user sentiment. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Blibli di Google Play dengan menggunakan algoritma Naïve Bayes dan Support Vector Machine (SVM). Dalam penelitian ini, metode SMOTE diterapkan untuk mengatasi ketidakseimbangan data dalam dataset. Data ulasan diperoleh melalui teknik scraping dan diproses melalui berbagai tahapan, termasuk case folding, tokenizing, stopword removal, dan stemming. Representasi teks dilakukan dengan menggunakan TF-IDF, sementara pembagian data dilakukan dengan proporsi 80% untuk pelatihan dan 20% untuk pengujian. Pembahasan dalam penelitian ini mencakup efektivitas algoritma Naïve Bayes dan SVM dalam menganalisis sentimen, baik dengan maupun tanpa penerapan SMOTE. Penggunaan SMOTE dievaluasi untuk mengatasi tantangan dataset yang tidak seimbang dan meningkatkan performa model. Selain itu, penelitian ini membahas bagaimana representasi teks melalui TF-IDF memengaruhi hasil analisis, serta implikasi praktis dari pemilihan algoritma bagi pengembang aplikasi e-commerce dalam memahami sentimen pengguna.