Komparasi Sentiment Analysis pada Review Aplikasi Tokopedia dan Shopee Menggunakan Algoritma Naïve Bayes dan Support Vector Machine dengan Metode TF-IDF
Abstrak
Tokopedia dan Shopee merupakan e-commerce yang telah mendominasi pasar di Indonesia dalam beberapa tahun terakhir dengan menjadi pemuncak peringkat e-commerce. Walaupun review pada aplikasi memiliki parameter penilaian seperti bintang dengan range 1-5, namun ada juga yang asal memberikan bintang dan tidak sesuai dengan reviewnya. Untuk itu, dibutuhkannya sentiment analysis dengan algoritma Naïve Bayes dan SVM dengan metode TF-IDF. Berdasarkan hasil pengujian algoritma Naïve Bayes menunjukkan tingkat akurasi yang lebih tinggi pada review Tokopedia (76%) dibandingkan dengan Shopee (63%). Selain itu, metrik seperti precision, recall, dan f1-score untuk setiap kelas (negatif, netral, dan positif) juga lebih baik pada Tokopedia sedangkan untuk algoritma SVM juga menunjukkan akurasi yang lebih tinggi pada Tokopedia (79%) dibandingkan dengan Shopee (66%), dengan metrik evaluasi lainnya yang lebih unggul pada dataset Tokopedia. Secara keseluruhan, hasil pengujian menunjukkan bahwa SVM lebih unggul dibandingkan Naïve Bayes dalam hal performa klasifikasi sentimen.
Kata kunci: Native bayes, Sentimen, Support vector machine, TF-IDF.
Referensi
J. A. Josen Limbong, I. Sembiring, K. Dwi Hartomo, U. Kristen Satya Wacana, and P. Korespondensi, “Analisis Klasifikasi Sentimen Ulasan Pada E-Commerce Shopee Berbasis Word Cloud Dengan Metode Naive Bayes Dan K-Nearest Neighbor Analysis of Review Sentiment Classification on E-Commerce Shopee Word Cloud Based With Naïve Bayes and K-Nearest Neighbor Meth,” J. Teknol. Inf. dan Ilmu Komput., vol. 9, no. 2, pp. 347–356, 2022, doi: 10.25126/jtiik.202294960.
T. P. R. Sanjaya, A. Fauzi, and A. F. N. Masruriyah, “Analisis Sentimen Ulasan pada E-Commerce Shopee Menggunakan Algoritma Naive Bayes dan Support Vector Machine,” INFOTECH J. Inform. Teknol., vol. 4, no. 1, pp. 16–26, 2023, doi: 10.37373/infotech.v4i1.422.
A. Rahman, E. Utami, and S. Sudarmawan, “Sentimen Analisis Terhadap Aplikasi pada Google Playstore Menggunakan Algoritma Naïve Bayes dan Algoritma Genetika,” J. Komtika (Komputasi dan Inform., vol. 5, no. 1, pp. 60–71, 2021, doi: 10.31603/komtika.v5i1.5188.
R. Apriani and D. Gustian, “Analisis Sentimen Dengan Naïve Bayes Terhadap Komentar Aplikasi Tokopedia,” J. Rekayasa Teknol. Nusa Putra, vol. 6, no. 1, pp. 54–62, 2019, doi: 10.52005/rekayasa.v6i1.86.
R. Septiani, I. P. A. Citra, and A. S. A. Nugraha, “Perbandingan Metode Supervised Classification dan Unsupervised Classification terhadap Penutup Lahan di Kabupaten Buleleng,” J. Geogr. Media Inf. Pengemb. dan Profesi Kegeografian, vol. 16, no. 2, pp. 90–96, 2019, doi: 10.15294/jg.v16i2.19777.
K. A. Nugraha and D. Sebastian, “Pembentukan Dataset Topik Kata Bahasa Indonesia pada Twitter Menggunakan TF-IDF & Cosine Similarity,” J. Tek. Inform. dan Sist. Inf., vol. 4, no. 3, pp. 2443–2229, 2018, [Online]. Available: http://dx.doi.org/10.28932/jutisi.v4i3.862
A. C. Khotimah and E. Utami, “Comparison Naive Bayes Classifier, K-Nearest Neighbor Aand Support Vector Machine In The Classification Of Individual On Twitter Account,” J. Tek. Inform., vol. 3, no. 3, pp. 673–680, 2022, [Online]. Available: https://doi.org/10.20884/1.jutif.2022.3.3.254
A. Putri et al., “Komparasi Algoritma K-NN, Naive Bayes dan SVM untuk Prediksi Kelulusan Mahasiswa Tingkat Akhir,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 3, no. 1, pp. 20–26, 2023, doi: 10.57152/malcom.v3i1.610.
Irmayanti, “Perancangan Sistem Informasi Penyewaan Thermoking di PT. Moderen Prima dengan Flask Python,” J. Sist. dan Teknol. Inf. Cendekia, vol. 1, no. 1, pp. 19–28, 2023.
