PERBANDINGAN KINERJA NAÏVE BAYES DAN INDOBERT DALAM KLASIFIKASI SENTIMEN ULASAN PELANGGAN PADA APLIKASI SHOPEE

Abstract

Perkembangan teknologi digital mendorong peningkatan penggunaan e-commerce, seperti Shopee, yang memiliki banyaknya jumlah ulasan pelanggan. Kondisi tersebut menjadikan analisis sentimen sebagai salah satu pendekatan komputasional yang dapat digunakan untuk mengidentifikasi polaritas sentimen dan memperoleh kesimpulan opini dari pelanggan terhadap layanan e-commerce. Namun, karena banyaknya ambiguitas dalam teks berbahasa Indonesia dan lonjakan jumlah ulasan pelanggan menjadi tantangan utama dalam menentukan algoritma klasifikasi sentimen yang mampu memahami ulasan secara efektir. Naïve Bayes merupakan salah satu algortima klasifikasi yang banyak digunakan karena memiliki komputasi yang relatif ringan, sedangkan IndoBERT memiliki keunggulan dalam memanfaatkan konteks dan hubungan antar kata dalam kalimat. Dari kedua algoritma tersebut, penelitian ini menguji dan membandingkan kinerja dari Naïve Bayes dan IndoBERT untuk melakukan klasifikasi polaritas sentimen positif dan negative pada ulasan pengguna aplikasi e-commerce. Penelitian ini menggunakan dataset ulasan pengguna berbahasa Indonesia pada Shopee. Hasil pengujian menunjukkan bahwa IndoBERT memperoleh akurasi sebesar 86.5%, sedangkan Naïve Bayes memperoleh akurasi sebesar 80%. Dari hasil tersebut, IndoBERT memiliki kinerja klasifikasi yang lebih tinggi dibandingkan Naïve Bayes dalam mengidentifikasi polaritas sentimen serta mampu memahami hubungan antarkata yang dapat mendukung peningkatan kinerja analisis sentimen pada ulasan berbahasa Indonesia.