Penggunaan Metode Naive Bayes dengan Pembobotan Term Menggunakan R-Kuadrat untuk Analisis Sentimen Ulasan Pengguna Aplikasi Shopee

Anindya Berlinani Santoso, Maftahatul Hakimah, Septiyawan Rosetya Wardhana

Abstract


Perkembangan pesat e-commerce di Indonesia, khususnya aplikasi Shopee. E-commerce menjadi populer karena kemudahan dan kenyamanan dalam berbelanja secara online, termasuk diskon, promo, dan pengiriman gratis. Namun, ada juga masalah penipuan dan waktu pengiriman yang lama yang membuat beberapa orang meragukan e-commerce. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap aplikasi Shopee di Google Play Store menggunakan metode Naïve Bayes dengan pembobotan R-Kuadrat. Metode ini digunakan untuk mengklasifikasikan opini pengguna menjadi positif atau negatif. Hasil pengujian menunjukkan bahwa metode Naïve Bayes dengan pembobotan R-Kuadrat memiliki akurasi yang lebih baik 81% dibandingkan dengan metode Naïve Bayes tanpa pembobotan 42%. Dari hasil pengujian tersebut, dapat disimpulkan bahwa penggunaan pembobotan R-Kuadrat pada metode Naïve Bayes mampu meningkatkan performa analisis sentimen terhadap aplikasi Shopee di Play Store. Dengan pembobotan R-Kuadrat, akurasi meningkat sebesar 39%, recall meningkat sebesar 71%, dan nilai F1-score meningkat sebesar 47%. Namun, perlu diperhatikan bahwa precision mengalami penurunan sebesar 15%.


Keywords


Analisis Sentimen; E-Commerce; Google Play Store; Naive Bayes; R-Kuadrat; Shopee

Full Text:

PDF

References


N. Ika, Z. Fitriyah, and N. C. Dewi, “Impulse Buying Di E-Commerce Shopee,” J. Ilmu Adm. dan Manaj., no. 3, pp. 57–61, 2020.

D. Witro, M. Izazi Nurjaman, D. Ayu, and C. Sofwan Al-Rasyid, “Analisis Strategi Promosi Tokopedia, Shopee, Bukalapak, Lazada, dan Blibli dalam Pemulihan Ekonomi Nasional,” Oikon. J. Kaji. Ekon. dan Keuang. Syariah, vol. 2, pp. 33–42, 2021.

A. B. Setiawan, “Revolusi Bisnis Berbasis Platform Sebagai Penggerak Ekonomi Digital Di Indonesia,” Masy. Telemat. Dan Inf. J. Penelit. Teknol. Inf. dan Komun., vol. 9, no. 1, p. 61, 2018, doi: 10.17933/mti.v9i1.118.

A. Chaudhuri and T. P. Sahu, “Feature weighting for naïve Bayes using multi objective artificial bee colony algorithm,” Int. J. Comput. Sci. Eng., vol. 24, no. 1, pp. 74–88, 2021.

et al. Chen, Hong, “Improved naive Bayes classification algorithm for traffic risk management,” EURASIP J. Adv. Signal Process., vol. 2021, no. 1, pp. 1–12, 2021.

L. K. Foo, S. L. Chua, and N. Ibrahim, “Attribute weighted naïve bayes classifier,” Comput. Mater. Contin., vol. 71, no. 1, pp. 1945–1957, 2022, doi: 10.32604/cmc.2022.022011.

R. Indransyah, Y. H. Chrisnanto, P. N. Sabrina, and S. Kom, “Klasifikasi Sentimen Pergelaran MotoGP di Indonesia Menggunakan Algoritma Correlated Naive Bayes Clasifier,” INFOTECH J., vol. 8, no. 2, pp. 60–66, 2022, [Online]. Available: https://doi.org/10.31949/infotech.v8I2.3103.

Henry TogarManurung, “Analisis Pengaruh Return On Equity, Earning Per Share, Net Profit Margin dan Market Value Added Terhadap Harga Saham (Studi Kasus Pada Perusahaan Manufaktur Go Public Sektor Food dan Beverages di BEI Tahun 2009–2013),” Univ. Diponegoro Ekon. dan Bisnis / Manaj. Judul, vol. 1, no. 1, pp. 1–72, 2015.

M. Hakimah and R. R. Muhimah, “Klasifikasi Penderita Penyakit Jantung Menggunakan Metode Naive Bayes dengan Chi-Square untuk Pemilihan Atribut,” Semin. Nas. Tek. Elektro, Sist. Inf. dan Tek. Inform., no. 1, pp. 257–262, 2021.

B. A. Muktamar, “Analisis Performa Algoritme Weighted Naive Bayes Classifier,” Teknomatika, vol. 10, no. 1, pp. 29–40, 2017.




DOI: https://doi.org/10.31284/p.snestik.2024.5906

Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 Anindya Berlinani Santoso, Maftahatul Hakimah, Septiyawan Rosetya Wardhana

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.