Implementasi Model Klasifikasi Sentimen Pada Review Produk Lazada Indonesia

Article Sidebar

PDF
Published: Jul 26, 2022
DOI: https://doi.org/10.34128/jsi.v8i1.419
Keywords:
analisis sentimen, review produk, text mining, klasifikasi, multinomial naïve bayes

Main Article Content

Rizqia Lestika Atimi
Politeknik Negeri Ketapang
Enda Esyudha Pratama
Universitas Tanjungpura

Abstract

Ulasan produk pada e-commerce adalah bentuk electronic word of mouth communication
yang membantu calon konsumen untuk mendapatkan informasi mengenai layanan penjual
dan/atau manfaat produk yang akhirnya dapat memengaruhi apakah calon konsumen akan
membeli produk atau tidak. Review produk yang diberikan oleh konsumen adalah opini tekstual
yang dapat dianalisis. Analisis sentimen dapat membantu bisnis e-commerce untuk memahami
feedback konsumen. Jumlah review produk pada sebuah platform e-commerce berjumlah sangat
banyak dengan volume data yang besar, akan sulit untuk dapat membaca review secara
keseluruhan dan memahami informasinya secara tepat dan efisien. Penelitian ini mengembangkan
model klasifikasi sentimen dengan algoritma Multinomial Naïve Bayes dan
mengimplementasikannya pada review produk Lazada Indonesia. Algoritma Multinomial Naïve
Bayes menghitung frekuensi kemunculan kata dari sebuah dokumen (term frequency). Model
dikembangkan melalui tahapan data collecting, data preprocessing, vectorize, model developing,
dan model implementation. Hasil evaluasi model menggunakan confussion matrix diketahui
bahwa algoritma Multinomial Naïve Bayes memiliki kinerja yang baik dalam klasifikasi dengan
hasil nilai paramater accuracy, precision, recall, dan f1-score di atas 90%. Model yang
dikembangkan dapat mengklasifikasikan semua data review produk Lazada Indonesia ke kelas
yang sudah ditentukan yaitu, 116 positif, 101 negatif, dan 96 netral.

Article Details

Issue
Vol. 8 No. 1 (2022): Jurnal Sains dan Informatika
Section
Articles

References

[1] Admin, “Bisnis E-Commerce Semakin Gurih”, 23 Februari 2021. [Online]. Tersedia: https://indonesia.go.id/kategori/indonesia-dalam-angka/2534/bisnis-e-commerce-semakin-gurih. [Diakses: 26 April 2022].
[2] A. M. Almana dan A. A. Mirza, “The Impact of Electronic Word of Mouth on Consumers Purchasing Decisions”, International Journal of Computer Applications, vol. 89, no. 9, pp. 23-31, November 2013.
[3] A. P. Wijaya dan H. A. Santoso, J. T. Informatika, U. Dian, and N. Semarang, “Naive Bayes Classification pada Klasifikasi Dokumen Untuk Identifikasi Konten E-Government,” J. Appl. Intell. Syst., vol. 1, no. 1, pp. 48–55, 2016.
[4] B. Gunawan, H. S. Pratiwi, dan E. E. Pratama, “Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Naïve Bayes”, Jurnal Edukasi dan Penelitian Informatika, vol. 4, no. 2, pp. 113-118, Desember 2018.
[5] B. Liu, “Sentiment Analysis and Opinion Mining”, Synthesis Lecturers on Human Languages Technologies, vol. 5, no. 1, pp. 1-167, 2012.
[6] Bustami, “Penerapan Algoritma Naïve Bayes untuk Mengklasifikasi Nasabah Asuransi”. Jurnal Informatika, vol. 8, no. 1, pp. 884-898, Januari 2014.
[7] D. Xhemali, C. J. Hinde, dan R. G. Stone, “Naïve Bayes vs. Decision Trees vs. Neural Networks in the Classification of Training Web Pages”, International Journal of Computer Science, vol. 4, no. 1, September 2009.
[8] E. E. Pratama, “Klasifikasi Kategori Permasalahan Akademik Mahasiswa Comdev Universitas Tanjungpura Menggunakan Algoritma Naïve Bayes”, Jurnal Edukasi dan Penelitian Informatika, vol. 7, no. 2, pp. 106-111, Agustus 2021.
[9] E. E. Pratama, and R. L. Atimi, “A Text Mining Implementation Based on Twitter Data to Analyse Information Regarding Corona Virus in Indonesia”, Journal of Computers for Society, vol. 1, no. 1, pp. 91-100, June 2020.
[10] Falahah dan D. D. A. Nur, “Pengembangan Aplikasi Sentiment Analysis Menggunakan Naïve Bayes (Studi Kasus Sentiment Analysis dari Media Twitter)”, Seminar Nasional Sistem Informasi Indonesia, November 2015.
[11] G. A. Buntoro, T. B. Adji, dan A. E. Purnamasari, “Sentiment Analysis Candidates of Indonesian Presiden 2014 with Five Class Attribute”, International Journal of Computer Applications, vol. 123, no. 2, pp. 23-29, Februari 2016.
[12] I. F. Rozi, S. H. Pramono, dan E. A. Dahlan, “Implementasi Opinion Mining (Analisis Sentimen) untuk Ekstraksi Data Opini Publik pada Perguruan Tinggi”, Jurnal EECCIS, vol. 6, no. 1, 2012.
[13] IBM, “What is Text Mining”. [Online]. Tersedia: https://www.ibm.com/cloud/learn/text-mining. [Diakses: 19 Mei 2022].
[14] Nurhadi, “5 Situs E-Commerce Paling Populer di Indonesia”, 26 November 2021. [Online]. Tersedia: https://bisnis.tempo.co/read/1532856/5-situs-e-commerce-paling-populer-di-indonesia-2021. [Diakses: 26 April 2022].