<![CDATA[Penelitian ini mengembangkan model klasifikasi sentimen berbasis Artificial Intelligence (AI) untuk menganalisis ulasan pendek dan informal produk sepatu di marketplace. Tujuan utama adalah mengidentifikasi algoritma terbaik guna mengkategorikan ulasan ke dalam sentimen positif, negatif, dan netral secara otomatis. Berdasarkan evaluasi kinerja tiga algoritma—Naive Bayes, Regresi Logistik, dan Support Vector Machine (SVM)—pada dataset uji, diperoleh hasil yang menunjukkan performa yang sangat berbeda. Naive Bayes dan Regresi Logistik mencatat akurasi yang identik sebesar 86%, namun keduanya mengalami kelemahan signifikan dalam mendeteksi ulasan positif, yang ditunjukkan oleh recall yang hanya sebesar 0.42. Di sisi lain, model SVM berhasil mencatat performa yang jauh lebih unggul dan hampir sempurna dengan akurasi 99%, didukung oleh nilai precision, recall, dan f1-score yang konsisten dan tinggi di semua kelas sentimen (makro avg F1-score: 0.98). Temuan ini menyimpulkan bahwa SVM merupakan pendekatan yang sangat efektif dan robust untuk menangani karakteristik linguistik yang unik dari ulasan pendek dan informal, sehingga dapat diimplementasikan sebagai solusi otomatis yang andal bagi pelaku bisnis untuk memantau reputasi produk dan memahami opini konsumen secara real-time.. Kata Kunci: Klasifikasi Sentimen, Ulasan Pendek, Informal, Marketplace]]>
Copyrights © 2024
