<![CDATA[Dalam era digital, analisis sentimen penting untuk memahami opini pengguna terhadap layanan e-commerce. Shopee sebagai salah satu platform belanja daring terbesar memiliki ribuan ulasan yang dapat dianalisis untuk meningkatkan layanan. Tantangan utama adalah memilih algoritma machine learning yang paling efektif dalam klasifikasi sentimen. Penelitian ini membandingkan performa Naïve Bayes, Support Vector Machine (SVM), dan Random Forest dalam analisis sentimen ulasan pengguna Shopee di Google Play Store. Data dikumpulkan melalui web scraping dengan Google Play Scraper, kemudian diproses melalui tahap pre-processing (case folding, tokenisasi, stop word removal, normalisasi, stemming, dan rekonstruksi kalimat) dan dikonversi ke representasi numerik menggunakan TF-IDF. Model diuji dengan skema pembagian data (90:10 hingga 10:90) dan dievaluasi menggunakan akurasi, precision, recall, dan F1-score. Hasil menunjukkan bahwa Naïve Bayes memiliki akurasi tertinggi 77,13% pada skema 90:10, kemungkinan karena asumsi independensi fitur yang kurang sesuai untuk analisis teks, sementara Random Forest dan SVM lebih unggul dengan akurasi masing-masing 87,11% dan 86,90% pada skema 80:20. Visualisasi confusion matrix, word cloud, dan line chart digunakan untuk mengidentifikasi pola sentimen dan tren model. Penelitian ini menyimpulkan bahwa Random Forest dan SVM lebih efektif dalam klasifikasi sentimen ulasan e-commerce dibandingkan Naïve Bayes, meskipun tantangan seperti ketidakseimbangan data dan absennya model deep learning masih dapat dieksplorasi untuk peningkatan akurasi di masa depan.]]>
Copyrights © 2025
