PERBANDINGAN ALGORITMA NAÏVE BAYES CLASSIFIER DAN SUPPORT VECTOR MACHINE DENGAN MENGANALISIS SENTIMEN ULASAN PELANGGAN SHOPEE INDONESIA

Abstract

Perkembangan teknologi dan meningkatnya penggunaan e-commerce di Indonesia mendorong masyarakat untuk aktif memberikan ulasan terhadap layanan maupun produk. Shopee menjadi salah satu platform yang banyak memperoleh sorotan publik, khususnya melalui media sosial Twitter. Penelitian ini bertujuan membandingkan performa dua algoritma klasifikasi teks populer, yaitu Naïve Bayes Classifier dan Support Vector Machine (SVM), dalam menganalisis sentimen ulasan pelanggan Shopee. Tahapan penelitian mencakup pengumpulan data melalui crawling, preprocessing teks (cleaning, tokenizing, stopword removal, dan stemming), serta representasi teks ke dalam bentuk vektor fitur menggunakan metode TF-IDF. Data kemudian dibagi menjadi data latih dan data uji untuk diklasifikasikan dengan kedua algoritma. Hasil penelitian menunjukkan bahwa SVM memiliki performa lebih baik dibandingkan Naïve Bayes. Melalui uji cross-validation, SVM mencapai rata-rata akurasi 74,66%, sedangkan Naïve Bayes hanya 67,21%. Selain itu, evaluasi menggunakan confusion matrix memperlihatkan SVM memiliki nilai F1-score lebih seimbang pada kedua kelas sentimen (positif dan negatif), sementara Naïve Bayes cenderung bias pada kelas positif. Dengan demikian, penelitian ini menyimpulkan bahwa SVM lebih efektif untuk klasifikasi sentimen ulasan pelanggan Shopee, terutama pada data yang tidak seimbang. Hasil penelitian ini diharapkan menjadi referensi dalam pengembangan sistem analisis opini publik dan strategi peningkatan layanan e-commerce.