Analisis Sentimen Pada Review Pengguna E-Commerce Menggunakan Algoritma Naïve Bayes

Authors

  • Abdul Halim Hasugian Universitas Islam Negeri Sumatera Utara
  • M. Fakhriza Universitas Islam Negeri Sumatera Utara
  • Dinda Zukhoiriyah State Islamic University of North Sumatera

DOI:

https://doi.org/10.53513/jsk.v6i1.7400

Keywords:

Analisis Sentimen, Lexicon Based, Naïve Bayes, Review, Shopee.

Abstract

Ulasan produk sangat memberi pengaruh terhadap produsen dan konsumen karena ulasan menjadi sumber informasi tentang kualitas suatu produk. Mengolah data dalam jumlah besar dan banyak untuk setiap produk pada sebuah toko di Shopee, menganalisis serta menyimpulkan informasi secara manual membutuhkan waktu lama dan tidak efektif. Sistem analisis sentimen dibutuhkan untuk mengekstrak informasi penting dan membuat sistem yang secara objektif dapat menentukan kualitas produk  dan memproses data teks  besar. Sistem analisis sentimen memiliki beberapa tahap yairu crawling, preprocesssing, pembobotan kata, dan klasifikasi sentimen. Penulis mengumpulkan data sebanyak 600 data review menggunakan API Shopee untuk menghasilkan sentimen positif dan negatif.  Dataset dibagi menjadi data latih dan data uji dengan pembagian 400 data latih dan 200 data uji dari total dataset. Klasifikasi sentimen data latih dilakukan dengan menggunakan metode Lexicon Based. Pelabelan dilakukan secara otomatis dengan cara menghitung skor setiap term sentimen dengan Lexicon Based. Penelitian ini menggunakan klasifikasi dengan Algoritma Naïve Bayes menggunakan pengujian confusion matrix  untuk mendapatkan hasil  accuracy, presision dan recall. Hasil pengujian menunjukkan nilai accuracy sebesar 99,5%,  precision sebesar 99,49%, recall sebesar 100%. Dengan demikian dapat disimpulkan metode klasifikasi algoritma Naïve Bayes cukup relevan meskipun akurasi nya belum 100%. 

References

Andika Sari, Mia., & Analysis of Factors Influencing Consumer Purchase Interest Online in Market Place. Journal of Economics & Business Volume 18 Number 2. Pages 97-108.

Amrullah, A. Z., Sofyan Anas, A., & Hidayat, M. A. J. (2020). Sentiment Analysis of Movie Review Using Naive Bayes Classifier With Chi Square Feature Selection. Journal, 2(1), 40–44. https://doi.org/10.30812/bite.v2i1.804.

Darwis, D., Siskawati, N., & Abidin, Z. (2021). Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Review Data Twitter Bmkg Nasional. Compact Techno Journal , 15 (1), 131. https://doi.org/10.33365/jtk.v15i1.744.

Hamilton , Howard. 2017. Confusion Matrix. http://www.cs.urgina.ca/~hamilton/course/notes/confusion_matrix

/confusion matrix.html, 24 January 2022.

Herdhianto, A., Studies, P., Informatics, T., Science, F., Technology, AND, Islam, U., & Syarif, N. (2020). Sentiment Analysis Using Naïve Bayes Classifier ( Nbc ) on Tweet About Zakat.

Iwan Setiawan, M. R. (2021). Rancang Bangun Aplikasi Sistem Niaga Unit Kegiatan Mahasiswa Politeknik Pos Indonesia Berbasis Web Framework (Sub Modul Pembelian). Jurnal Teknik Informatika, 13(2), 52–58.

J. Edukasi, B. Gunawan, H. S. Pratiwi, and E. E. Pratama, “Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes,†vol. 4, no. 2, pp. 113–118, 2018.

Lestari, S., & Saepudin, S. (2021). Sinovac Vaccine Sentiment Analysis on Twitter Using the Naive Bayes Algorithm. Sismatic (National Seminar on Information Systems and Information Management), 163–170.

Mogana, AM (2017). Research And Development Methods. Kerangka Konsep Penelitian , 53 (9), 1–15. http://www.elsevier.com/locate/scp.

Sari, SM (2021). Sentiment Analysis of New Normal in the Covid-19 Era Using the K-Nearest Neighbor (K-Nn) Algorithm.

Prasetya, Y. N, Winarso, D., & Syahril. (2021). Lexicon Based Application for Sentiment Analysis on Twitter. 11(2), 97–103.

Yulita, W., Dwi Nugroho, E., Habib Algifari, M., Informatics Engineering Studies, P., Sumatran Technology, I., Ryacudu Canal, J., Huwi, W., Agung, J., & South, L. (2021). Sentiment Analysis of Public Opinion About the Covid-19 Vaccine Using the Naïve Bayes Classifier Algorithm. Journal of Data Mining and Information Systems, 2(2), 1–9. https://ejurnal.teknokrat.ac.id/index.php/JDMSI/article/view/1344.

Downloads

Additional Files

Published

2023-01-11