Analisis Sentimen Ulasan Produk Ponsel Pada E-commerce Menggunakan Algoritma Naive Bayes

Authors

  • Fadzilah Prayoganing Gusti Universitas Nusantara PGRI Kediri Indonesia
  • Danar Putra Pamungkas Universitas Nusantara PGRI Kediri Indonesia
  • Patmi Kasih Universitas Nusantara PGRI Kediri Indonesia

DOI:

https://doi.org/10.29407/140nc134

Abstract

Pertumbuhan e-commerce di Indonesia telah mendorong peningkatan pembelian produk secara daring, termasuk ponsel. Namun, kurangnya transparansi kualitas produk menjadi tantangan bagi konsumen. Untuk mengatasi hal ini, penelitian ini menerapkan analisis sentimen terhadap ulasan pelanggan menggunakan algoritma Naïve Bayes. Data ulasan diambil dari platform Shopee dan melalui beberapa tahapan preprocessing seperti case folding. cleansing, tokenisasi, stopword removal, dan stemming. Sentimen ditentukan menggunakan TextBlob, lalu data dilatih dan diuji menggunakan Naïve Bayes. Dari 365 ulasan yang dianalisis, model menghasilkan akurasi sebesar 81%. Hasil ini menunjukkan bahwa algoritma Naïve Bayes mampu mengklasifikasikan sentimen ulasan secara efektif, memberikan manfaat bagi konsumen dalam pengambilan keputusan serta bagi penjual dalam meningkatkan layanan.

Keywords:

Analisis sentimen, E-commerce, Naive bayes, Ponsel

##plugins.themes.default.displayStats.downloads##

##plugins.themes.default.displayStats.noStats##

References

[1]P. Organisasi, "Pengembangan Organisasi di Perusahaan Digital shopее," по.

[2] N. Agustina, D. H. Citra, W. Purnama, C. Nisa, and A. R. Kurnia, "Implementasi Algoritma Naive Bayes untuk Analisis Sentimen Ulasan Shopee pada Google Play Store," MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 2, no. 1, pp. 47-54, 2022, doi: 10.57152/malcom.v2i1.195.

[3] A. Hanafiah, A. H. Nasution, Y. Arta, R. Wandri, H. O. Nasution, and J. Mardafora, "Sentimen Analisis Terhadap Customer Review Produk Shopee Berbasis Wordcloud Dengan Algoritma Naive Bayes Classifier, INTECOMS J. Inf. Technol. Comput. Sci., vol. 6, по. 1, pp. 230-236, 2023, doi: 10.31539/intecoms.v611.5845.

F. S. Jumeilah, "Penerapan Support Vector Machine (SVM) untuk Pengkategorian Penelitian," J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 1, no. 1, pp. 19-25, 2017, doi: 10.29207/resti.v1i1.11. [4]

[5] Chely Aulia Misrun, E. Haerani, M. Fikry, and E. Budianita, "Analisis sentimen komentar youtube terhadap Anies Baswedan sebagai bakal calon presiden 2024 menggunakan metode naive bayes classifier," J. CoSciTech (Computer Sci. Inf.

Technol., vol. 4, no. 1, pp. 207-215, 2023, doi: 10.37859/coscitech.v4i1.4790. [6] N. P. G. Naraswati, R. Nooraeni, D. C. Rosmilda, D. Desinta, F. Khairi, and R. Damaiyanti, "Analisis Sentimen Publik dari Twitter Tentang Kebijakan Penanganan Covid-19 di Indonesia dengan Naive Bayes Classification," Sistemasi, vol. 10, no. 1, p. 222, 2021, doi: 10.32520/stmsi.v10i1.1179.

[7] A. F. Anees, A. Shaikh, A. Shaikh, and S. Shaikh, "Survey Paper on Sentiment Analysis: Techniques and Challenges, EasyChair, pp. 2516-2314, 2020, [Online].

Available: https://login.easychair.org/publications/preprint_download/Sc2h [8] R. Azhar and M. F. Wijayanto, "Analisis Sentimen di Twitter: Mengungkap Persepsi dan Emosi Publik Seputar Konflik Palestina-Israel," Stain. (Seminar Nas...., vol. 3, pp. 118-124, 2024, [Online]. Available:

https://proceeding.unpkediri.ac.id/index.php/stains/article/view/4132 [9] M. S. Anwar, I. M. I. Subroto, and S. Mulyono, "Sistem Pencarian E-Journal Menggunakan Metode Stopword Removal Dan Stemming Berbasis Android," Konf. Ilm. Mhs. Unissula 2, pp. 58-70, 2019.

[10] F. Fazrin, O. N. Pratiwi, and R. Andreswari, "Perbandingan Algoritma K-Nearest Neighbor dan Logistic Regression pada Analisis Sentimen terhadap Vaksinasi Covid-19 pada Media Sosial Twitter dengan Pelabelan Vader dan Textblob," J. e-Proceeding Eng.. vol. 10, no. 2, pp. 1596-1604, 2023.

Downloads

Published

2025-07-10

How to Cite

Analisis Sentimen Ulasan Produk Ponsel Pada E-commerce Menggunakan Algoritma Naive Bayes. (2025). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 9(1), 619-625. https://doi.org/10.29407/140nc134