Penggunaan Supervised Learning untuk Prediksi Validitas Ulasan Negatif Aplikasi Tokopedia Berdasarkan Pengalaman Pengguna Ahli  : Penggunaan Supervised Learning untuk Prediksi Validitas Ulasan Negatif Aplikasi Tokopedia Berdasarkan Pengalaman Pengguna Ahli

Fahmi Fiddin; Muhammad Yusuf Syahbarna; Mohammad Ridwan

doi:10.53513/jis.v23i2.10030

Authors

Fahmi Fiddin universitas islam syekh yusuf
Muhammad Yusuf Syahbarna Universitas Islam Syekh Yusuf
Mohammad Ridwan Universitas Islam Syekh Yusuf

DOI:

https://doi.org/10.53513/jis.v23i2.10030

Keywords:

Tokopedia, Ulasan Negatif, Machine Learning, Validasi Ulasan

Abstract

Memahami dan mengklasifikasikan ulasan negatif menjadi penting bagi Tokopedia untuk meningkatkan kualitas layanan dan produknya. Namun, validitas ulasan negatif menjadi tantangan utama karena adanya kemungkinan ulasan palsu atau ulasan dengan motif tidak jujur. Penelitian ini bertujuan untuk memprediksi validitas ulasan negatif menggunakan metode supervised learning dengan tiga algoritma berbeda: Naive Bayes, Decision Tree, dan Random Forest. Metodologi penelitian melibatkan pengumpulan data ulasan negatif dari Google Play Store, text pre-processing, dan pengujian model dengan teknik k-fold cross-validation dengan 10-fold. Data diambil melalui proses scraping menghasilkan 498 ulasan negatif yang kemudian diproses dan diimbangi menggunakan metode SMOTE. Evaluasi dilakukan berdasarkan akurasi, presisi, recall, dan F1 Score. Hasil penelitian menunjukkan bahwa algoritma Random Forest memiliki performa terbaik dengan akurasi 77,42% dan AUC (Area Under Curve) sebesar 0,870, dibandingkan dengan Naive Bayes dan Decision Tree yang masing-masing mencapai akurasi 69,12% dan 73,21%. Implementasi model ini meningkatkan efisiensi proses moderasi ulasan, meningkatkan kepercayaan pengguna, dan memberikan umpan balik yang lebih akurat kepada penjual. Kesimpulannya, Random Forest efektif dalam memprediksi validitas ulasan negatif, memberikan solusi untuk meningkatkan kualitas layanan Tokopedia melalui teknologi supervised learning.

References

L. Rahmawati and D. B. Santoso, “Implementasi Metode Naive Bayes Untuk Klasifikasi Ulasan Aplikasi E-Commerce Tokopedia,” INTECOMS J. Inf. Technol. Comput. Sci., vol. 6, no. 1, pp. 116–124, 2023, doi: 10.31539/intecoms.v6i1.5515.

J. J. A. Limbong, I. Sembiring, and K. D. Hartomo, “Analisis Klasifikasi Sentimen Ulasan pada E-Commerce Shopee Berbasis Word Cloud dengan Metode Naive Bayes dan K-Nearest Neighbor,” J. Teknol. Inf. dan Ilmu Komput., vol. 9, no. 2, p. 347, 2022, doi: 10.25126/jtiik.2022924960.

B. Z. Ramadhan, R. I. Adam, and I. Maulana, “Analisis Sentimen Ulasan pada Aplikasi E-Commerce dengan Menggunakan Algoritma Naïve Bayes,” J. Appl. Informatics Comput., vol. 6, no. 2, pp. 220–225, 2022, doi: 10.30871/jaic.v6i2.4725.

N. Aurelia Salsabila, U. Sa, and F. Fauzi, “Analisis Sentimen Pada Ulasan Aplikasi TokopediaMenggunakan Klasifikasi Naïve Bayes,” Prism. 2024, vol. 7, pp. 44–51, 2024, [Online]. Available: https://play.google.com/store/apps/details?id=com.tokopedia.tkpd&hl=en

Rahel Lina Simanjuntak, Theresia Romauli Siagian, Vina Anggriani, and Arnita Arnita, “Analisis Sentimen Ulasan Pada Aplikasi E-Commerce Shopee Dengan Menggunakan Algoritma Naïve Bayes,” J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 3, no. 3, pp. 23–39, 2023, doi: 10.55606/teknik.v3i3.2411.

S. Rahayu, Y. MZ, J. E. Bororing, and R. Hadiyat, “Implementasi Metode K-Nearest Neighbor (K-NN) untuk Analisis Sentimen Kepuasan Pengguna Aplikasi Teknologi Finansial FLIP,” Edumatic J. Pendidik. Inform., vol. 6, no. 1, pp. 98–106, 2022, doi: 10.29408/edumatic.v6i1.5433.

R. Adyatma Subagja, Y. Widiastiwi, and N. Chamidah, “Klasifikasi Ulasan Aplikasi Jenius pada Google Play Store Menggunakan Algoritma Naive Bayes,” Inform. J. Ilmu Komput., vol. 17, no. 3, p. 197, 2021, doi: 10.52958/iftk.v17i3.3652.

A. Nurian, “Analisis Sentimen Ulasan Pengguna Aplikasi Google Play Menggunakan Naïve Bayes,” J. Inform. dan Tek. Elektro Terap., vol. 11, no. 3s1, pp. 829–835, 2023, doi: 10.23960/jitet.v11i3s1.3348.

A. Septiani and I. Budi, “Klasifikasi Ulasan Pengguna Aplikasi: Studi Kasus Aplikasi Ipusnas Perpustakaan Nasional Republik Indonesia (PNRI),” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 7, no. 4, pp. 1110–1120, 2022, doi: 10.29100/jipi.v7i4.3216.

E. H. Muktafin, K. Kusrini, and E. T. Luthfi, “Analisis Sentimen pada Ulasan Pembelian Produk di Marketplace Shopee Menggunakan Pendekatan Natural Language Processing,” J. Eksplora Inform., vol. 10, no. 1, pp. 32–42, 2020, doi: 10.30864/eksplora.v10i1.390.

K. D. Pratama, D. W. Brata, and W. Purnomo, “Analisis Sentimen Ulasan Pengguna Aplikasi Info BMKG pada Google Play Store di Indonesia,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 4, pp. 1826–1834, 2023, [Online]. Available: https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/12539%0Ahttps://j-ptiik.ub.ac.id/index.php/j-ptiik/article/download/12539/5722

M. F. El Firdaus, N. Nurfaizah, and S. Sarmini, “Analisis Sentimen Tokopedia Pada Ulasan di Google Playstore Menggunakan Algoritma Naïve Bayes Classifier dan K-Nearest Neighbor,” JURIKOM (Jurnal Ris. Komputer), vol. 9, no. 5, p. 1329, 2022, doi: 10.30865/jurikom.v9i5.4774.

R. Maulana, A. Voutama, and T. Ridwan, “Analisis Sentimen Ulasan Aplikasi MyPertamina pada Google Play Store menggunakan Algoritma NBC,” J. Teknol. Terpadu, vol. 9, no. 1, pp. 42–48, 2023, doi: 10.54914/jtt.v9i1.609.

K. P. Pohan and C. Chairunisah, “Sistem Pakar Mendiagnosa Penyakit Kulit Pada Manusia Menggunakan Metode Naive Bayes Classifier Berbasis Web,” J. SAINTIKOM (Jurnal Sains Manaj. Inform. dan Komputer), vol. 23, no. 1, p. 204, 2024, doi: 10.53513/jis.v23i1.9521.

K. Arifin and S. I. Al-Idrus, “Klasifikasi Emosi Pengguna Twitter Terhadap Bakal Calon Presiden Pada Pemilu 2024 Menggunakan Algoritma Naïve Bayes,” J. SAINTIKOM (Jurnal Sains Manaj. Inform. dan Komputer), vol. 23, no. 1, p. 37, 2024, doi: 10.53513/jis.v23i1.9558.

A. M. Majid and I. Nawangsih, “Perbandingan Metode Ensemble Untuk Meningkatkan Akurasi Algoritm Machine Learning Dalam Memprediksi Penyakit Breast Cancer (Kanker Payudara),” J. SAINTIKOM (Jurnal Sains Manaj. Inform. dan Komputer), vol. 23, no. 1, p. 97, 2024, doi: 10.53513/jis.v23i1.9563.

E. Fitri, “Analisis Sentimen Terhadap Aplikasi Ruangguru Menggunakan Algoritma Naive Bayes, Random Forest Dan Support Vector Machine,” J. Transform., vol. 18, no. 1, p. 71, 2020, doi: 10.26623/transformatika.v18i1.2317.

M. R. Adrian, M. P. Putra, M. H. Rafialdy, and N. A. Rakhmawati, “Perbandingan Metode Klasifikasi Random Forest dan SVM Pada Analisis Sentimen PSBB,” J. Inform. Upgris, vol. 7, no. 1, pp. 6–11, 2021, doi: 10.26877/jiu.v7i1.7099.

Penggunaan Supervised Learning untuk Prediksi Validitas Ulasan Negatif Aplikasi Tokopedia Berdasarkan Pengalaman Pengguna Ahli