Analisis Ulasan Pelanggan pada Website Tokopedia Menggunakan Metode Naive Bayes

Penelitian ini bertujuan untuk menganalisis sentimen ulasan pelanggan pada platform e-commerce Tokopedia dengan menerapkan metode klasifikasi Naive Bayes. Model ini digunakan untuk mengelompokkan opini pelanggan ke dalam tiga kategori sentimen, yaitu positif, negatif, dan netral. Data sekunder yang digunakan diperoleh dari publikasi Kaggle dengan total 5.553 ulasan pelanggan yang telah melalui proses pelabelan. Metodologi penelitian terdiri dari beberapa tahapan utama, meliputi pra-pemrosesan teks (case folding, tokenisasi, stopword removal, dan stemming). Selanjutnya, ekstraksi fitur dilakukan menggunakan metode TF-IDF (Term Frequency-Inverse Document Frequency). Untuk menangani ketidakseimbangan data (imbalanced data), diterapkan teknik SMOTE (Synthetic Minority Oversampling Technique) pada data latih. Pembagian data dilakukan dengan proporsi 80:20, yang menghasilkan 4.442 data latih dan 1.111 data uji. Hasil klasifikasi menggunakan Multinomial Naive Bayes menunjukkan akurasi sebesar 60% pada data uji. Meskipun demikian, evaluasi lebih mendalam dengan metrik precision, recall, dan F1-score mengungkapkan kelemahan signifikan. Model gagal total dalam mengidentifikasi kelas sentimen Netral dan Positif, yang tercermin dari nilai F1-score untuk kedua kelas tersebut sebesar 0,00, sementara kelas Negatif memperoleh F1-score 0,75. Temuan ini membuktikan bahwa penerapan SMOTE saja belum cukup efektif untuk mengatasi ketidakseimbangan data pada teks berbahasa Indonesia karena menghasilkan data sintetis yang tidak merepresentasikan konteks semantik. Oleh karena itu, penelitian selanjutnya disarankan untuk menggunakan algoritma yang lebih robust, seperti SVM atau LSTM.