Analisis Sentimen Pelanggan pada Platform Shopee Menggunakan Metode Naive Bayes

Alfin Cahyo Wibisono; Tiara Siti Nadira; Tata Sutabri

Authors

Alfin Cahyo Wibisono Universitas Bina Darma
Tiara Siti Nadira Universitas Bina Darma
Tata Sutabri Universitas Bina Darma

Keywords:

Analisis Sentimen, Naïve Bayes, Shopee, Ulasan Pelanggan, Klasifikasi Teks

Abstract

Analisis sentimen merupakan salah satu pendekatan yang efektif untuk memahami pandangan dan persepsi pelanggan terhadap produk atau layanan. Penelitian ini berfokus pada analisis sentimen pelanggan di platform e-commerce Shopee dengan memanfaatkan metode Naïve Bayes. Ulasan pelanggan digunakan sebagai data utama untuk mengklasifikasikan sentimen ke dalam tiga kelompok: positif, negatif, dan netral. Metode Naïve Bayes dipilih karena kemampuannya dalam menganalisis data berbasis teks secara efisien serta efektivitasnya dalam proses klasifikasi. Hasil penelitian menunjukkan bahwa model Naïve Bayes mampu mencapai akurasi sebesar 80% dalam pengklasifikasian sentimen pelanggan. Temuan lebih lanjut mengindikasikan bahwa ulasan dengan sentimen positif mendominasi, mencerminkan tingkat kepuasan pelanggan yang tinggi terhadap Shopee. Meskipun demikian, ulasan negatif juga memberikan informasi penting mengenai masalah umum, seperti keterlambatan pengiriman dan kualitas produk yang tidak sesuai. Penelitian ini berkontribusi pada peningkatan kualitas layanan Shopee melalui analisis mendalam terhadap masukan pelanggan

References

Zhang, Y., et al. (2018). "The Effectiveness of Customer Reviews in Online Shopping." Journal of E-Commerce Research and Applications.

Cambria, E., et al. (2017). "Sentiment Analysis: A Literature Review." Foundations and Trends® in Information Retrieval.

Lillah, M. R. R. L., Maylawati, D. S. A., Zulfikar, W. B., Uriawan, W., & Wahana, A. (2023). Implementasi Algoritma K-Nearest Neighbor (KNN) untuk Analisis Sentimen Pengguna Aplikasi Tokopedia. Intellect: Indonesian Journal of Learning and Technological Innovation, 2(2), 171-184.

Widnyani, N. M., Aristayudha, A. A. N. B., & Sugianta, I. K. A. (2022). Sentiment Analysis Design Of Product Reviews In The Marketplace Using Naive Bayes Classifier Method; A Case Study In Tokopedia. Jurnal Ekonomi, 11(01), 373-382.

Manning, C.D., et al. (2008). "Introduction to Information Retrieval." Cambridge University Press.

Widodo, Y. B., Anggraeini, S. A., & Sutabri, T. (2021). Perancangan Sistem Pakar Diagnosis Penyakit Diabetes Berbasis Web Menggunakan Algoritma Naive Bayes. J. Teknol. Inform. dan Komput, 7(1), 112-123.

Tata Sutabri, T. S., Yohanes Bowo Widodo, Y. B. W., Sondang Sibuea, S. S., Ismi Rajiani, I. R., & Yaziz Hasan, Y. H. (2019). Tankmate Design for Settings Filter, Temperature, and Light on Aquascape. Journal of Southwest Jiaotong University, 54(5), 1-8.

Rohman, M. (2020). "Analisis Sentimen Ulasan Pelanggan pada Platform E-Commerce." Disertasi, Universitas Indonesia.

Sari, A. (2019). "Pengolahan Bahasa Alami untuk Analisis Sentimen di Media Sosial." Disertasi, Institut Teknologi Bandung.

Amir, M., et al. (2021). "Stopword Removal dalam Analisis Sentimen Bahasa Indonesia." Disertasi, Universitas Gadjah Mada.

Kusumaningrum, E. (2017). "Implementasi Stemming untuk Meningkatkan Kualitas Analisis Sentimen dalam Bahasa Indonesia." Disertasi, Universitas Surabaya.

Zhang, X., et al. (2018). "Penerapan Metode Naïve Bayes dalam Analisis Sentimen Berbasis Ulasan Pelanggan." Disertasi, Universitas Shanghai.

Eko, P. (2014). Data Mining Konsep dan Aplikasi Menggunakan Matlab. Yogyakarta.

Widyastuti, P. (2020). "Evaluasi Model Pembelajaran Mesin untuk Analisis Sentimen di Platform E-Commerce." Disertasi, Universitas Bina Nusantara

Tata Sutabri, T. S. (2023). Design of A Web-Based Social Network Information System. International Journal of Artificial Intelligence Research, 6(1), 310-316.