Analisis Sentimen E-Commerce di Indonesia dengan Algoritma Naive Bayes (Studi Kasus Pada Platform Shopee, Tokopedia, Bukalapak, dan Lazada)

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pelanggan pada platform e-commerce (Shopee, Tokopedia, Bukalapak, dan Lazada) guna mengevaluasi tingkat kepuasan pengguna secara otomatis. Metode yang digunakan adalah algoritma Naive Bayes dengan pembobotan kata TF-IDF, yang diimplementasikan pada dataset sebanyak 40.000 ulasan dari Kaggle Dataset. Proses penelitian mencakup tahapan preprocessing yang terdiri dari cleaning, case folding, tokenizing, filtering, dan stemming. Hasil penelitian menunjukkan bahwa model pada algoritma Naive Bayes mampu mencapai tingkat akurasi sebesar 84,88%. Berdasarkan analisis distribusi sentimen, aplikasi Shopee memperoleh ulasan positif terbanyak (6.769 ulasan), sedangkan Bukalapak menerima ulasan negatif tertinggi (4.365 ulasan). Meskipun sangat efektif dalam membedakan sentimen positif dan negatif, model ini belum mampu mengidentifikasi sentimen netral, sehingga disarankan penggunaan teknik oversampling pada penelitian selanjutnya untuk menangani ketidak-seimbangan data.