<![CDATA[Analisis sentimen merupakan proses mengubah data kualitatif menjadi data kuantitatif dengan menghilangkan kata dan simbol yang tidak relevan, guna mengidentifikasi opini positif dan negatif dalam ulasan pengguna. Penelitian ini bertujuan untuk mengklasifikasikan sentimen pada ulasan pengguna aplikasi Shopee menggunakan metode Naive Bayes. Data diperoleh dari dataset sekunder melalui GitHub dan diolah menggunakan algoritma Term Frequency-Inverse Document Frequency (TF-IDF) untuk ekstraksi fitur. Evaluasi model dilakukan menggunakan confusion matrix untuk mengukur akurasi, presisi, recall, dan F1-Score. Hasil penelitian menunjukkan bahwa mayoritas ulasan bersentimen positif, dengan akurasi model sebesar 84%, presisi negatif 89% dan positif 81%, recall negatif 76% dan positif 91%, serta F1-Score negatif 82% dan positif 85%, sehingga membuktikan bahwa metode Naive Bayes efektif dalam klasifikasi sentimen ulasan e-commerce.]]>
Copyrights © 2024
