Analisis Sentimen Ulasan Produk Smartphone Pada Platform Shopee Menggunakan Metode Naive Bayes
DOI:
https://doi.org/10.29407/tb3r1k57Keywords:
Analisis Sentimen, Naive Bayes, Shopee, Smartphone, TF-IDFAbstract
Meningkatnya jumlah ulasan produk smartphone pada platform e-commerce menyebabkan kesulitan dalam menganalisis opini konsumen secara manual. Ulasan tersebut mengandung informasi penting terkait tingkat kepuasan pengguna yang dapat dimanfaatkan oleh calon pembeli maupun produsen. Oleh karena itu, penelitian ini bertujuan untuk melakukan analisis sentimen ulasan produk smartphone Samsung Galaxy S24 dan Xiaomi 14 pada platform Shopee menggunakan metode Naive Bayes. Dataset diperoleh melalui proses scraping ulasan dan rating produk, kemudian dilakukan preprocessing yang meliputi tokenizing, stopword removal, dan stemming. Proses pelabelan sentimen dilakukan menggunakan pendekatan Rating-Based Sentiment Labeling berbasis aturan nilai rating. Selanjutnya, ekstraksi fitur teks dilakukan menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF). Model Naive Bayes dilatih menggunakan pembagian data 80% data latih dan 20% data uji, kemudian dievaluasi menggunakan confusion matrix untuk mengukur performa klasifikasi. Hasil penelitian menunjukkan bahwa metode Naive Bayes mampu mengklasifikasikan sentimen ulasan ke dalam kategori positif, netral, dan negatif dengan performa yang baik. Hasil analisis juga divisualisasikan dalam bentuk grafik sehingga memudahkan pemahaman distribusi sentimen. Penelitian ini penting sebagai sarana pendukung pengambilan keputusan pembelian dan evaluasi kualitas produk berdasarkan opini konsumen.
Downloads
References
[1] J. Elektronik, I. K. Udayana, P. Ayu, N. Aryanti, I. Bagus, and M. Mahendra, “Analisis Sentimen Opini Berbahasa Indonesia Pada Sosial Media Menggunakan TF-IDF dan Support Vector Machine,” vol. 12, no. 1, pp. 2654–5101, 2023.
[2] A. Muzaki et al., “ANALISIS SENTIMEN PADA ULASAN PRODUK DI E-COMMERCE DENGAN METODE NAIVE BAYES,” Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI), vol. 05, 2024.
[3] B. Z. Ramadhan, I. Riza, and I. Maulana, “Analisis Sentimen Ulasan Pada Aplikasi E-Commerce Dengan Menggunakan Algoritma Naïve Bayes,” 2022. [Online]. Available: http://jurnal.polibatam.ac.id/index.php/JAIC
[4] S. Eliesse Dameria, A. Hermawan, and Y. Kurnia, “Optimizing Sentiment Classification,” 2025.
[5] J. Elektronik Ilmu Komputer Udayana et al., “Analisis Sentimen Produk Pada Bukalapak Menggunakan Lexicon-Based dan Multinomial Naïve Bayes,” vol. 13, no. 4, pp. 2654–5101, 2025.
[6] S. Kumar and S. Sehgal, “ENVISION-International Journal of Commerce and Management Perception towards E-Commerce: Sentiment Analysis on Twitter,” vol. 12, pp. 2456–4575, 2018, [Online]. Available: http://afca.apeejay.edu
[7] Omorinsola Bibire Seyi- Lande, Ebunoluwa Johnson, Gbenga Sheriff Adeleke, Chinazor Prisca Amajuoyi, and Bayode Dona Simpson, “The role of data visualization in strategic decision making: Case studies from the tech industry,” Computer Science & IT Research Journal, vol. 5, no. 6, pp. 1374–1390, Jun. 2024, doi: 10.51594/csitrj.v5i6.1223.
[8] S. Tinggi Ilmu Stastistik, U. Chuzaimah Zulkifli, and L. Hulliyyatus Suadaa, “Pengembangan Modul PreprocessingTeks untuk Kasus Formalisasi dan Pengecekan Ejaan Bahasa Indonesia pada Aplikasi Web Mining Simple Solution (WMSS),” 2019.
[9] M. Arrafu Mazta, E. Saputra, M. Razi, S. Informasi, F. Sains, and D. Teknologi, “PERBANDINGAN KINERJA TF-IDF DAN COUNT VECTORIZATION PADA SISTEM REKOMENDASI JUDUL SKRIPSI BERBASIS CONTENT-BASED FILTERING,” 2025.
[10] B. Kurniawan, M. A. Fauzi, and A. W. Widodo, “Klasifikasi Berita Twitter Menggunakan Metode Improved Naïve Bayes,” 2017. [Online]. Available: http://j-ptiik.ub.ac.id
[11] T. Fawcett, “An introduction to ROC analysis,” Pattern Recognit Lett, vol. 27, no. 8, pp. 861–874, Jun. 2006, doi: 10.1016/j.patrec.2005.10.010.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Rheza Taufikurohman, Septian Nur Rohman
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
