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

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%.