KLASIFIKASI SENTIMEN ULASAN PENGGUNA APLIKASI SHOPEE DENGAN ALGORITMA NAÏVE BAYES DAN ID3

Abstract

Pesatnya perkembangan e-commerce di Indonesia telah meningkatkan penggunaan aplikasi Shopee sebagai salah satu platform belanja daring terpopuler. Fitur ulasan pengguna pada aplikasi ini menghasilkan data teks dalam jumlah besar yang berpotensi menjadi sumber informasi penting terkait kepuasan konsumen. Namun, tingginya volume ulasan membuat analisis manual menjadi tidak efisien. Penelitian ini bertujuan mengklasifikasikan sentimen ulasan pengguna Shopee secara otomatis serta membandingkan kinerja algoritma Naïve Bayes dan ID3. Data penelitian menggunakan 1.950 ulasan dari platform Kaggle, yang diproses melalui metode Knowledge Discovery in Databases (KDD) meliputi seleksi data, pra-pemrosesan teks, transformasi fitur menggunakan TF-IDF, pembagian data dengan skema 80:20 (1.560 data pelatihan, 390 data pengujian), penerapan algoritma klasifikasi, dan evaluasi menggunakan metrik akurasi, presisi, recall, serta F1-score. Hasil pengujian menunjukkan bahwa Naïve Bayes memiliki kinerja lebih baik dengan akurasi 83,07%, presisi positif 87%, presisi negatif 80%, recall positif 77%, recall negatif 88%, F1-score positif 82%, dan F1-score negatif 84%. Sementara itu, ID3 mencatat akurasi 73,85% dengan keunggulan pada recall kelas positif sebesar 79%. Temuan ini mengindikasikan bahwa Naïve Bayes lebih efektif dan konsisten untuk klasifikasi sentimen ulasan pengguna Shopee dibandingkan ID3.