Analisis Sentimen Ulasan Produk Toko Online Rubylicious Untuk Peningkatan Layanan Menggunakan Algoritma Naive Bayes

Abstract

Abstrak Berbelanja online merupakan solusi bagi masyarakat yang tidak punya waktu banyak dan tenaga untuk mengunjugi pusat perbelanjaan. Berbagai keuntungan jual beli online tidak hanya dirasakan oleh para pembeli saja tapi juga dirasakan oleh para penjual yang berdagang secara online karena cakupan calon pembeli lebih luas dan mereka tidak perlu mengeluarkan biaya untuk membangun atau menyewa tempat sebagai toko fisik. Namun tidak dapat dipungkiri bahwa berbelanja secara online juga memiliki kekurangan seperti kesalahan produk yang tidak sesuai dengan pesanan. Rubylicious merupakan salah satu toko online yang saat ini melakukan penjualan melalui Shopee. Penelitian ini dilakukan untuk mengategorikan dan menganalisis pandangan pelanggan terhadap produk dengan memanfaatkan data ulasan produk Rubylicious yang diambil dari kolom komentar pada aplikasi Shopee. Jumlah data ulasan yang sangat banyak menyebabkan proses analisis sulit dan kurang efektif. Untuk mengatasi masalah tersebut maka digunakan metode analisis sentimen terhadap ulasan barang menggunakan algoritma Naive Bayes Classifier (NBC). Hasil analisis berupa sentimen positif, negatif dan netral. Dari hasil analisis sentimen menggunakan NBC diperoleh nilai akurasi sebesar 82,39%, precision 91,3%, recall 51% dan f1-measure 51,6%. Hasil analisis sentimen kemudian divisualisasikan menggunakan wordcloud untuk melihat kata-kata yang paling sering muncul pada masingmasing sentimen. Dari hasil penelitian ini, sentimen positif dapat dijadikan sebagai acuan untuk mempertahankan kualitas layanan yang juga mencakup penjualan produk dan hasil sentimen negatif dapat digunakan sebagai bahan evaluasi dalam peningkatan layanan yang mencakup penjualan produk pada toko online Rubylicious. Kata kunci: Toko online, ulasan, analisis sentimen, Naive Bayes. Abstract Shopping online is a solution for people who don't have a lot of time and energy to visit the spending center. The various advantages of buying and selling online are not only accepted by buyers but are also accepted by sellers who trade online because they support prospective buyers more broadly and they don't need to pay for building or buying a place as a physical store. However, it cannot be denied because buying online also has shortcomings such as products that are not in accordance with the order. Rubylicious is an online store that currently sells through Shopee. This research was conducted to categorize and analyze customer views on products using Rubylicious product review data taken from the comments column in the Shopee application. The large amount of review data makes the analysis process difficult and less effective. To overcome these problems, the sentiment analysis method for goods is used using the Naive Bayes Classifier (NBC) algorithm. The results of the analysis are positive, negative and neutral sentiments. From the results of sentiment analysis using NBC obtained an accuracy value of 82.39%, precision 91.3%, recall 51% and f1-measure 51.6%. The results of sentiment analysis are then visualized using WordCloud to see the words that most often appear on each sentiment. From the results of this study, positive sentiments can be made as a reference to maintain service quality which also includes product sales and negative sentiment results can be used as evaluation material in improving services that involve product sales at Rubylicious online stores. Keywords: Online shop, review, sentiment analysis, Naive Bayes.