ANALISIS KINERJA ALGORITMA NAIVE BAYES DAN SUPPORT VECTOR MACHINE (SVM) DALAM MENGKLASIFIKASIKAN SENTIMEN ULASAN BUKU SHOPEE

Evaluasi kepuasan pelanggan pada platform e-commerce Shopee, khususnya pada kategori produk buku fisik, dihadapkan pada kendala penumpukan data ulasan yang masif dan tidak terstruktur. Karakteristik ulasan buku memiliki keunikan berupa narasi deskriptif yang panjang, penggunaan bahasa slang, serta struktur kalimat negasi yang kompleks, sehingga pemantauan sentimen secara manual menjadi sangat tidak efisien. Penelitian ini bertujuan untuk membangun sistem cerdas analisis sentimen dengan membandingkan ketangguhan algoritma Multinomial Naive Bayes dan Support Vector Machine (SVM) ber-kernel linier. Data diakuisisi melalui web scraping, menghasilkan 1.101 ulasan yang dikurasi secara manual oleh penulis menjadi dataset seimbang 551 positif dan 550 negatif. Pra-pemrosesan teks menggunakan pustaka Sastrawi yang secara metodologis dilakukan tanpa kamus bahasa slang guna menguji toleransi model terhadap noise, dilanjutkan dengan ekstraksi fitur TF-IDF. Evaluasi performa diimplementasikan melalui skenario Stratified 10-Fold Cross Validation dan McNemar's Test. Hasil pengujian menunjukkan SVM unggul dengan akurasi 86,47%, presisi 88,37%, dan recall 84,04%, melampaui Naive Bayes akurasi 86,29%, presisi 87,16%, recall 85,12%. Meskipun McNemar’s Test p-value 0,913 menyimpulkan akurasi global keduanya setara secara statistik, analisis kesalahan pada 43 anomali data membuktikan SVM lebih superior dalam menangani kalimat negasi dan bahasa informal. Sebagai luaran praktis, model prediktif ini telah berhasil diintegrasikan ke dalam dasbor analitik interaktif berbasis Plotly.