ANALISIS SENTIMEN ULASAN PRODUK ELEKTRONIK PADA E-COMMERCE MENGGUNAKAN METODE NAÏVE BAYES

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen ulasan produk elektronik pada platform e-commerce Shopee dengan menggunakan metode Naïve Bayes. Ulasan konsumen memiliki peranan penting dalam memengaruhi keputusan pembelian, terutama pada kategori produk elektronik yang memiliki nilai transaksi tinggi serta jumlah ulasan yang besar. Banyaknya ulasan yang dihasilkan konsumen menimbulkan kesulitan dalam proses penilaian secara manual, sehingga diperlukan sistem klasifikasi sentimen yang mampu bekerja secara otomatis. Data yang digunakan dalam penelitian ini terdiri dari 2.107 ulasan produk smartphone yang dikumpulkan melalui proses web scraping pada periode Juni hingga September 2025. Tahapan penelitian mengikuti kerangka kerja CRISP-DM, meliputi pengumpulan data, preprocessing teks (case folding, tokenizing, stopword removal, stemming, dan normalisasi), serta ekstraksi fitur menggunakan metode TF-IDF. Model klasifikasi kemudian dibangun dengan algoritma Multinomial Naïve Bayes untuk mengelompokkan ulasan ke dalam dua kategori sentimen, yaitu positif dan negatif. Hasil penelitian menunjukkan bahwa model mampu mengidentifikasi pola kata pada ulasan dan memberikan performa yang lebih baik pada kelas sentimen dengan jumlah data yang lebih besar. Model ini diimplementasikan ke dalam aplikasi web berbasis Flask yang memungkinkan pengguna memasukkan ulasan dan memperoleh hasil klasifikasi secara otomatis. Penelitian ini menyimpulkan bahwa metode Naïve Bayes dapat digunakan untuk analisis sentimen ulasan produk elektronik di e-commerce serta mendukung pengguna dalam memahami kecenderungan opini konsumen