ANALISIS SENTIMEN ULASAN PRODUK AMAZON MENGGUNAKAN ALGORITMA NAIVE BAYES UNTUK PREDIKSI RATING PRODUK
PDF

Keywords

Naive Bayes
Analisis Sentimen
Prediksi

How to Cite

ANALISIS SENTIMEN ULASAN PRODUK AMAZON MENGGUNAKAN ALGORITMA NAIVE BAYES UNTUK PREDIKSI RATING PRODUK. (2025). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 9(1), 764-770. https://doi.org/10.29407/3jgdj120

Abstract

Perkembangan teknologi e-commerce seperti Amazon menghasilkan data ulasan produk yang sangat besar dan menjadi referensi utama bagi konsumen. Studi ini mengeksplorasi klasifikasi sentimen dari ulasan pengguna terhadap produk di platform Amazon, dengan pendekatan probabilistik Naive Bayes untuk mengidentifikasi hubungan antara kata-kata dan penilaian bintang. Data yang digunakan berasal dari dataset ulasan makanan premium Amazon yang mencakup lebih dari 500.000 ulasan. Metode penelitian melibatkan pra- pemrosesan teks, termasuk penghapusan stopwords, tokenisasi, dan stemming. Dengan menggunakan algoritma naive Bayes, dapat membuat klasifikasi sentimen yang lebih akurat. Hasil penelitian ini menunjukkan bahwa algoritma Naive Bayes dapat digunakan dengan baik untuk analisis sentimen. dalam jumlah besar dan dapat digunakan untuk sistem rekomendasi produk atau umpan balik konsumen di platform e-commerce.

PDF

References

[1] R. S. Monsoor et al., “Sentiment Analysis of Amazon Reviews Using Machine Learning Classifier,” in 2023 26th International Conference on Computer and Information Technology, ICCIT 2023, Institute of Electrical and Electronics Engineers Inc., 2023. doi: 10.1109/ICCIT60459.2023.10441259.

[2] R. Apriani, “Analisis Sentimen Menggunakan Algoritma Naïve Bayes Terhadap Komentar Aplikasi Tokopedia,” 2020.

[3] A. Nafi, A. Tri, J. Harjanta, B. A. Herlambang, and S. Fahmi, “Analisis Sentimen Review Pelanggan Lazada dengan Sastrawi Stemmer dan SVM-PSO untuk Memahami Respon Pengguna,” no. 204, pp. 330–339, 2024.

[4] A. Adi et al., “VIRGIN AMERICA MENGGUNAKAN METODE DECISION TREE,” no. November, pp. 392–401, 2024.

[5] A. Permana Putra and A. Farrah Syafira, “Analisis Sentimen Data Twitter Topik Politik Dengan Metode Naive Bayes Dan Convolutional Neural Networks (Cnn),” J. Ilm. Wahana Pendidik., vol. 9, no. 20, pp. 36–41, 2023.

[6] A. Pangestu, Y. Tajul Arifin, and R. Ade Safitri, “Analisis Sentimen Review Publik Pengguna Game Online Pada Platform Steam Menggunakan Algoritma Naïve Bayes,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 6, pp. 3106–3113, 2024, doi: 10.36040/jati.v7i6.8829.

[7] M. F. Faturrian et al., “ANALISIS SENTIMEN TERHADAP GAME PALWORLD DI STEAM MENGGUNAKAN ALGORITMA BIDIRECTIONAL ENCODER,” vol. 9, no. 1, pp. 898–905, 2025.

[8] F. Septianingrum and A. S. Y. Irawan, “Metode Seleksi Fitur Untuk Klasifikasi Sentimen Menggunakan Algoritma Naive Bayes: Sebuah Literature Review,” J. Media Inform. Budidarma, vol. 5, no. 3, p. 799, 2021, doi: 10.30865/mib.v5i3.2983.

[9] A. Nurian, M. S. Ma’arif, I. N. Amalia, and C. Rozikin, “Analisis Sentimen Pengguna Aplikasi Shopee Pada Situs Google Play Menggunakan Naive Bayes Classifier,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 1, 2024, doi: 10.23960/jitet.v12i1.3631.

[10] E. Daniati, “Klasifikasi Jenis Bimbingan Dan Konseling Siswa Smkn 1 Kediri Menggunakan Naive Bayes Classifier Dan Nearest Neighbor,” Nusant. Engginering, vol. 1, no. 2, pp. 22–27, 2012.

[11] J. Speed and S. P. Engineering, “228814999,” vol. 8, no. 3, pp. 48–56, 2016.

[12] A. Sentia, “Multinomial Naïve Bayes Classifier Untuk Analisis Sentimen Twitter,” no. December, pp. 0–8, 2023, [Online]. Available: https://www.researchgate.net/publication/376730724

[13] G. Z. Dhamara, D. N. Alamsyah, P. W. Saputro, E. Daniati, and A. Ristyawan, “Analisis Sentimen Aplikasi Mybca Melalui Review Pengguna Di Google Play Store Menggunakan Algoritma Naive Bayes,” Agustus, vol. 8, pp. 2549–7952, 2024.

[14] X. Zhao and Y. Sun, “Amazon Fine Food Reviews with BERT Model,” Procedia Comput. Sci., vol. 208, pp. 401–406, 2022, doi: 10.1016/j.procs.2022.10.056.

[15] A. Khan, K. Khan, W. Khan, S. N. Khan, and R. Haq, “Knowledge-based Word Tokenization System for Urdu,” J. Informatics Web Eng., vol. 3, no. 2, pp. 86–97, 2024, doi: 10.33093/jiwe.2024.3.2.6.

[16] X. Li, X. Sun, Z. Xu, and Y. Zhou, “Explainable Sentence-Level Sentiment Analysis for Amazon Product Reviews.”

[17] A. S. dan N. Surojudin, “Analisis Dan Perbandingan Stemming Algoritma Porter Dengan Algoritma Ahmad Yusoff Sembok Dalam Dokumen Teks Bahasa Indonesia,” Pros. Semin. SeNTIK, vol. 4, no. 1, pp. 347–357, 2020, [Online].

Available: https://ejournal.jak-stik.ac.id/index.php/sentik/article/view/3304

[18] A. Deolika, K. Kusrini, and E. T. Luthfi, “Analisis Pembobotan Kata Pada Klasifikasi Text Mining,” J. Teknol. Inf., vol. 3, no. 2, p. 179, 2019, doi: 10.36294/jurti.v3i2.1077.

[19] A. A. Farisi, Y. Sibaroni, and S. Al Faraby, “Sentiment analysis on hotel reviews using Multinomial Naïve Bayes classifier,” J. Phys. Conf. Ser., vol. 1192, no. 1, 2019, doi: 10.1088/1742-6596/1192/1/012024.

[20] R. Susmaga, “Confusion Matrix Visualization,” Intell. Inf. Process. Web Min., pp. 107–116, 2004, doi: 10.1007/978-3-540-39985-8_12.

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Copyright (c) 2025 Ananda Bagus Fatchurroziq, Jofan Vernanda Wicaksono, Erna Daniati Daniati