Analisis Sentimen Pengguna Iphone Pada Platform E-Commerce Menggunakan Algoritma Text Mining dan TF-IDF

Tegar Yudhistyra (Universitas Muhammadiyah Sumatera Utara)
Zuli Agustina Gultom (Universitas Muhammadiyah Sumatera Utara)

Jurnal Komprehenshif
Vol 4 No 2 (2026)

Ulasan pengguna pada platform e-commerce merupakan sumber data teks yang sangat berharga untuk mengetahui persepsi konsumen terhadap suatu produk. Namun, jumlah ulasan yang besar dan bersifat tidak terstruktur menyulitkan proses pemahaman informasi secara manual. Penelitian ini bertujuan untuk menganalisis sentimen pengguna iPhone pada platform e-commerce Shopee menggunakan pendekatan text mining dan metode Term Frequency-Inverse Document Frequency (TF-IDF). Data yang digunakan berjumlah 250 ulasan berbahasa Indonesia yang diperoleh dari kolom ulasan produk iPhone di Shopee. Tahapan penelitian meliputi praproses teks (case folding, tokenizing, filtering, dan stemming), visualisasi word cloud, klasifikasi kata konotasi positif dan negatif, serta pembobotan kata menggunakan metode TF-IDF untuk menentukan kecenderungan sentimen. Hasil penelitian menunjukkan bahwa sentimen positif memperoleh persentase sebesar 77,80%, sedangkan sentimen negatif sebesar 22,20%, yang mengindikasikan bahwa mayoritas pengguna merasa puas terhadap produk iPhone yang dibeli melalui Shopee, terutama pada aspek keamanan pengiriman, kualitas, dan keaslian produk. Evaluasi kinerja model menggunakan Confusion Matrix menghasilkan nilai Accuracy sebesar 99,20%, Precision 99,47%, Recall 99,47%, F1-Score 99,47%, dan Cohen's Kappa sebesar 97,88% yang termasuk kategori Almost Perfect Agreement. Hasil ini membuktikan bahwa metode text mining dan TF-IDF efektif digunakan untuk menganalisis sentimen ulasan pengguna secara objektif dan akurat. Penelitian ini juga menghasilkan sistem analisis sentimen berbasis web yang menyajikan hasil analisis melalui dashboard interaktif berupa statistik sentimen, distribusi sentimen, word cloud, dan riwayat ulasan.