Analisis Sentimen Ulasan Pelanggan Tokopedia Menggunakan Metode Stacked Generalization
Abstract
Abstrak-E-commerce merupakan salah satu bentuk perkembangan dunia khususnya perdagangan barang dan jasa. Sistem perdagangan telah berevolusi dengan hadirnya e-commerce yang membuat penggunanya tidak terlepas dari teknologi internet. Produk yang tersedia di dalam e-commerce begitu banyak dan bervariasi macamnya. Seorang pelanggan dapat membagikan pengalamannya setelah bertransaksi, dengan menuliskan ulasan pada produk baru yang telah dibeli. Setiap ulasan menggambarkan kepuasan pelanggan dan emosi yang tertuang dalam sebuah kalimat yang belum tentu dimengerti hanya dengan membaca kata per kata saja. Faktor-faktor tersebut menjadi pembahasan dalam penelitian ini, dengan mengkategorikan analisis sentimen ulasan menjadi positif dan negatif. Pembobotan TF-IDF dalam text classification oleh metode Stacked Generalization bertujuan untuk mengetahui minat pembeli dalam membeli sebuah produk dari ulasan pembeli sebelumnya di Tokopedia. Hasil analisis pengujian menunjukkan pemodelan stacking mendapatkan macro average dengan nilai 0,67. Pengujian dilakukan pada dataset dengan 4.049 ulasan yang berisikan 3.551 sentimen positif dan 498 sentimen negatif.
Kata kunci- stacked generalization, e-commerce, analisis sentimen
References
A. Alrehili and K. Albalawi, "Sentiment Analysis of Customer Reviews Using Ensemble Method,"International Conference on Computer and Information Sciences (ICCIS), pp. 1-6, 2019.
F. V. Sudjatmika, “Pengaruh Harga, Ulasan Produk, Kemudahan, dan Keamanan Terhadap Keputusan Pembelian Secara Online di Tokopedia. Com,” AGORA Vol. 5, No. 1, 2017.
R. Maulana, P. A. Rahayuningsih, W. Irmayani, D. Saputra, and W. E. Jayanti, “Improved accuracy of sentiment analysis movie review using Support Vector Machine based Information Gain,” J. Phys. Conf. Ser., vol. 1641, no. 1, p. 012060, 2020.
H. Zikang, Y. Yong, Y. Guofeng and Z. Xinyu, "Sentiment analysis of agricultural product ecommerce review data based on deep learning," 2020 International Conference on Internet of Things and Intelligent Applications (ITIA), pp. 1-7, 2020.
A. Ejaz, Z. Turabee, M. Rahim and S. Khoja, "Opinion mining approaches on Amazon product reviews: A comparative study," pp. 173-179, 2017.
I. Saputra et al., “Analisis Sentimen Pengguna Marketplace Bukalapak dan Tokopedia di Twitter Menggunakan Machine Learning,” Fakt. exacta, vol. 13, no. 4, pp. 200-207, 2021.
Q. Ye, Z. Zhang, and R. Law, “Sentiment classification of online reviews to travel destinations by supervised machine learning approaches,” Expert Systems with Applications, vol. 36, no. 3, pp. 6527–6535, 2009.
S. Vanaja and M. Belwal, “Aspect-Level Sentiment Analysis on E-Commerce Data,” International Conference on Inventive Research in Computing Applications (ICIRCA), pp. 1275-1279, 2018.
J. Jabbar, I. Urooj, W. JunSheng, and N. Azeem, “Real-time sentiment analysis on E-commerce application,” IEEE 16th International Conference on Networking, Sensing and Control (ICNSC), pp. 391-396, 2019.
Zhang Yang, Liu Aodong, Li Maoqing, “Decision Tree Algorithm Based on the Information Theory”, Control Theory and Applications, Vol. 25, Issue 1, pp. 4-7, 2006.
T. U. Haque, N. N. Saber, and F. M. Shah, “Sentiment analysis on large scale Amazon product reviews,” IEEE International Conference on Innovative Research and Development (ICIRD), pp. 1-6, 2018.
