Klasifikasi Sentimen iPhone Bekas di Tokopedia menggunakan Naïve Bayes dan Support Vector Machine
Abstract
Kenaikan harga iPhone baru mendorong meningkatnya pembelian iPhone second di platform e-commerce seperti Tokopedia. Namun, konsumen masih menghadapi berbagai risiko terkait kondisi perangkat, performa komponen, dan keaslian yang umumnya teridentifikasi melalui ulasan pengguna. Penelitian ini bertujuan menganalisis sentimen dari 1.863 ulasan iPhone second untuk memperoleh gambaran objektif mengenai pengalaman konsumen. Teks ulasan diproses menggunakan TF-IDF sebagai representasi fitur dan SMOTE untuk mengatasi ketidakseimbangan kelas. Dua algoritma Naive Bayes dan Support Vector Machine (SVM) dibandingkan untuk menilai efektivitas klasifikasi. Hasil pengujian menunjukkan bahwa SVM memberikan performa terbaik dengan akurasi 96%, melampaui Naive Bayes yang mencapai 93%. Analisis lebih lanjut menemukan bahwa ulasan positif umumnya berkaitan dengan kualitas fisik dan kecepatan pengiriman, sedangkan ulasan negatif banyak menyoroti isu teknis serta keaslian perangkat. Penelitian ini berkontribusi pada penguatan literatur analisis sentimen e-commerce melalui evaluasi komprehensif terhadap kombinasi TF-IDF + SMOTE serta perbandingan performa Naive Bayes dan SVM dalam klasifikasi opini konsumen. Temuan ini menyediakan dasar empiris untuk penelitian lanjutan mengenai penilaian kualitas produk bekas berbasis ulasan daring.
Keywords
Full Text:
PDFReferences
I. Hakim and L. S. Harahap, “Analisis Sentimen Terhadap Iphone 16 Pada Data Twitter Menggunakan Orange Data Mining,” Jurnal Multidisiplin Saintek, vol. 5, no. 3, 2024.
K. N’da, J. Ge, S. J. Ren, and J. Wang, “What matters for international consumers ’ choice preferences for smartphones : Evidence from a cross-border ecommerce platform,” pp. 1–20, 2023.
D. Nasikah and S. Fuadi, “Pengaruh Persepsi Keamanan, Kemudahan Bertransaksi, Kepercayaan Konsumen, Kualitas Produk Dan Harga Terhadap Keputusan Pembelian Pada Marketplace Tokopedia,” Jurnal Manajemen, vol. 16, no. 1, pp. 162–173, 2022.
N. A. Salsabilaa, U. Sa’adah, and F. Fauzi, “Analisis Sentimen Pada Ulasan Aplikasi Tokopedia Menggunakan Klasifikasi Naïve Bayes,” PRISMA, Prosiding Seminar Nasional Matematika, pp. 44–51, 2024.
R. Hidayansyah, “Pengaruh Ulasan Dan Penilaian Konsumen Terhadap Keputusan Pembelian Pada Marketplace Tokopedia Di Indonesia,” Digital Repository UNILA, 2024.
R. T. Handayanto, Herlawati, P. D. Atika, F. N. Khasanah, A. Y. P. Yusuf, and D. Y. Septia, “Analisis Sentimen Pada Situs Google Review dengan Naïve Bayes dan Support Vector Machine,” Jurnal Komtika (Komputasi dan Informatika), vol. 5, no. 2, pp. 153–163, 2021.
Herlawati, D. B. Srisulistiowati, S. C. Agustin, P. H. Syafina, N. Rachmatin, S. Setiawati, and *, “Metode Naïve Bayes dan Support Vector Machine untuk Mengolah Sentimen Ulasan dan Komentar di Platform Digital,” Journal of Students’ Research in Computer Science (JSRCS), vol. 5, no. 2, pp. 197–212, 2024.
G. Salton and C. Buckley, “Term-weighting approaches in automatic text retrieval,” Information Processing & Management, vol. 24, no. 5, pp. 513–523, 1988.
T. Joachims, “Text categorization with support vector machines: Learning with many relevant features,” Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), vol. 1398, pp. 137–142, 1998.
P. Sasikala and L. Mary Immaculate Sheela, “Sentiment analysis of online product reviews using DLMNN and future prediction of online product using IANFIS,” Journal of Big Data, vol. 7, no. 1, 2020.
M. Fikri and R. Sarno, “A comparative study of sentiment analysis using SVM and Senti Word Net,” Indonesian Journal of Electrical Engineering and Computer Science, vol. 13, no. 3, pp. 902–909, 2019.
R. Peranginangin, E. J. G. Harianja, I. K. Jaya, and B. Rumahorbo, “Penerapan Algoritma Safe-Level-Smote Untuk Peningkatan Nilai G-Mean Dalam Klasifikasi Data Tidak Seimbang,” METHOMIKA Jurnal Manajemen Informatika dan Komputerisasi Akuntansi, vol. 4, no. 1, pp. 67–72, 2020.
M. Sahami, D. David, E. Horvitz, and G. Building, “A Bayesian Approach to Filtering Junk E-Mail,” Science, pp. 55–61, 1998.
A. Roihan, P. A. Sunarya, and A. S. Rafika, “Pemanfaatan Machine Learning dalam Berbagai Bidang,” (Indonesian Journal on Computer and Information Technology, vol. 5, no. April, pp. 75–82, 2020.
E. E. Amelia and I. Yustiana, “Analisis Sentimen Pada Ulasan Produk Pakaian UNIQLO Dengan Algoritma Naive Bayes,” Jurnal Sains Komputer & Informatika (J-SAKTI), vol. 8, no. 1, pp. 668–674, 2024.
K. Henrys, “Importance of web scraping in e-commerce and e-marketing,” no. January, pp. 1–10, 2021.
Dania Siregar, Faroh Ladayya, Naufal Zhafran Albaqi, and Bintang Mahesa Wardana, “Penerapan Metode Support Vector Machines (SVM) dan Metode Naïve Bayes Classifier (NBC) dalam Analisis Sentimen Publik terhadap Konsep Child-free di Media Sosial Twitter,” Jurnal Statistika dan Aplikasinya, vol. 7, no. 1, pp. 93–104, 2023.
D. Oktavia, Y. R. Ramadahan, and Minarto, “Analisis Sentimen Terhadap Penerapan Sistem E-Tilang Pada Media Sosial Twitter Menggunakan Algoritma Support Vector Machine ( SVM ),” Kajian Ilmiah Informatika dan Komputer, vol. 4, no. 1, pp. 407–417, 2023.
A. Widyastuti, Y. Astuti, B. A. Wisesa, and Hengki, “Analisis Sentimen pada Ulasan Produk dengan SVM dan Word2Vec Sentiment Analysis on Product Reviews with SVM and Word2Vec,” JIKO (Jurnal Informatika dan Komputer), vol. 8, no. 1, pp. 173–185, 2024.
C. Hutto and E. Gilbert, “VADER: A Parsimonious Rule-based Model for Sentiment Analysis of Social Media Text,” Proceedings of English International, pp. 216–225, 2014.
A. Fernández, S. García, F. Herrera, and N. V. Chawla, “SMOTE for Learning from Imbalanced Data: Progress and Challenges, Marking the 15-year Anniversary,” Journal of Artificial Intelligence Research, vol. 61, pp. 863–905, 2018.
Z. Yang, “Recent Deep Learning Techniques on Short Text Classification,” in Proceedings of the 2022 6th International Conference on Electronic Information Technology and Computer Engineering, 2023, pp. 231–235.
A. G. Ghifari, G. Y. Ananada, and K. Purwandari, “A Comparative Sentiment Analysis of Public Opinion on A Comparative Sentiment Analysis of Public Opinion on Indonesia ’ s National Football Coach Using CRNN and SVM Indonesia ’ s National Football Coach Using CRNN and SVM,” Procedia Computer Science, vol. 269, pp. 1485–1493, 2025.
T. A. Almeida, J. M. G. Hidalgo, and A. Yamakami, “Contributions to the study of SMS spam filtering: New collection and results,” DocEng 2011 - Proceedings of the 2011 ACM Symposium on Document Engineering, pp. 259–262, 2011.
DOI: http://dx.doi.org/10.22441/fifo.2025.v17i2.010
Refbacks
- There are currently no refbacks.
Jurnal Ilmiah FIFO
Fakultas Ilmu Komputer Universitas Mercu Buana
Jl. Raya Meruya Selatan, Kembangan, Jakarta 11650
Tlp./Fax: +62215871335
p-ISSN: 2085-4315
e-ISSN: 2502-8332
http://publikasi.mercubuana.ac.id/index.php/fifo
e-mail:[email protected]
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
