<![CDATA[Dominasi Shopee di pasar e-commerce Indonesia punya konsekuensi langsung, yakni ulasan penggunanya di Google Play Store menumpuk terlalu cepat untuk dibaca dan dikategorikan satu per satu. Penelitian ini menguji apakah SVM atau MLP lebih cocok menjalankan Aspect-Based Sentiment Analysis (ABSA) terhadap 290.338 ulasan Shopee yang terkumpul sepanjang 2025. Teksnya dibersihkan, dilabeli ke lima aspek layanan, lalu diubah jadi representasi TF-IDF sebelum dataset dibagi 80:20 untuk pelatihan dan pengujian. Ada lima model yang dibandingkan dengan empat kernel SVM (Linear, Polynomial, RBF, Sigmoid) dan satu MLP. Sigmoid unggul tipis dengan akurasi 79,9%, diikuti RBF (79,2%), Linear (78,0%), Polynomial (76,4%), dan MLP di posisi terakhir dengan 75,56%. Satu masalah yang sama muncul di kelima model, yakni sentimen netral paling sulit dikenali, kerap tertukar dengan positif atau negatif, dan ini terlihat konsisten di seluruh confusion matrix. Hasilnya cukup jelas, SVM, khususnya kernel Sigmoid, lebih unggul untuk ABSA pada ulasan Shopee dibanding MLP. Adapun dari sisi sentimen itu sendiri, opini pengguna terhadap aplikasi ini didominasi kesan positif.]]>
Copyrights © 2026
