Perbandingan Kinerja Naive Bayes dan Decision Tree untuk Analisis Sentimen Ulasan Produk Online di Shopee dan Tokopedia
DOI:
https://doi.org/10.35968/jsi.v13i1.1740Kata Kunci:
Analisis Sentimen, Naïve Bayes, Decision Tree, Text Preprocessing, Ulasan Produk E-commerceAbstrak
Penelitian ini membandingkan kinerja algoritma Naïve Bayes dan Decision Tree untuk analisis sentimen ulasan produk pada platform e-commerce Shopee dan Tokopedia. Dataset yang digunakan berjumlah 46.086 ulasan yang telah melalui tahap pembersihan data dan preprocessing teks, meliputi penghapusan data kosong dan duplikat, case folding, pembersihan karakter, tokenisasi, serta penghapusan stopword. Label sentimen diturunkan dari rating bintang dan dibagi menjadi tiga kelas: positif, netral, dan negatif. Ciri teks direpresentasikan menggunakan TF-IDF, sedangkan evaluasi kinerja model dilakukan dengan metrik akurasi, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa Naïve Bayes menghasilkan akurasi sekitar 70,85%, lebih tinggi dibandingkan Decision Tree dengan akurasi 67,41%. Kedua model cukup baik dalam mengklasifikasikan sentimen positif, namun masih lemah pada kelas netral karena ketidakseimbangan data dan ekspresi bahasa yang ambigu. Temuan ini menunjukkan bahwa Naïve Bayes lebih sesuai digunakan sebagai dasar pengembangan sistem analisis sentimen ulasan produk e-commerce. Penelitian ini memberikan referensi bagi pelaku industri dalam memanfaatkan ulasan.Referensi
Agustina, V., & Herliana, A. (2025). Analisis Sentimen Publik atas Kebijakan Efisiensi Anggaran 2025 dengan Text Mining dan Natural Language Processing. Jurnal Media Informatika, 6(3), 2182–2194. Retrieved from https://ejournal.sisfokomtek.org/index.php/jumin/article/view/6301
Ardiani, L., Sujaini, H., & Tursina, T. (2020). Implementasi Sentiment Analysis Tanggapan Masyarakat Terhadap Pembangunan di Kota Pontianak. Jurnal Sistem Dan Teknologi Informasi (Justin), 8(2), 183. https://doi.org/10.26418/justin.v8i2.36776
Aufa, M. J., & Qoiriah, A. (2023). Analisis Sentimen Pengguna Platform Belajar Online Coursera menggunakan Random Forest dengan Metode Ekstraksi Fitur Word2vec. Journal of Informatics and Computer Science (JINACS), 04, 244–255. https://doi.org/10.26740/jinacs.v4n02.p244-255
Awaludin, M., & Gani, A. (2024). Pemanfaatan kecerdasan buatan pada algoritma k-means klastering dan sentiment analysis terhadap strategi promosi yang sukses untuk penerimaan mahasiswa baru. JSI (Jurnal Sistem Informasi) Universitas Suryadarma, 11(1), 1–6.
Awaludin, M., Nuryadi, H., & Pribadi, G. N. (2024). Sistem Otomatisasi Laporan untuk Optimalisasi Pelaporan Data Penelitian dan Pengabdian kepada Masyarakat di Universitas Dirgantara Marsekal Suryadarma. 9675, 1–7.
Awaludin, M., Yasin, V., & Risyda, F. (2024). The Influence of Artificial Intelligence Technology, Infrastructure and Human Resource Competence on Internet Access Networks : Jurnal Ilmiah Bidang Teknologi Informasi Dan Komunikasi, 9(2), 111–120. https://doi.org/10.25139/inform.v9i2.8109
Hananto, A. D., Erfiana, A. M., Putri, B. L. P., Putri, P. D., & Kurniawan, F. (2023). Algoritma Machine Learning Naïve Bayes pada Analisis Sentimen Kesepakatan Polri dan GNPF-MUI pada Aksi Bela Islam III “212.” SINTA Journal (Science, Technology, and Agricultural), 4(2), 151–160. https://doi.org/10.37638/sinta.4.2.151-160
Hasugian, A. H., Fakhriza, M., & Zukhoiriyah, D. (2023). Analisis Sentimen Pada Review Pengguna E-Commerce Menggunakan Algoritma Naïve Bayes. J-SISKO TECH (Jurnal Teknologi Sistem Informasi Dan Sistem Komputer TGD), 6(1), 98. https://doi.org/10.53513/jsk.v6i1.7400
Iqbal, M., Miskiyah, S., Sham, S. L., Anwar, S., & Fuad, M. H. (2024). Perbandingan Metode Decision Tree dan Naive Bayes Pada Tingkat Penjualan Minuman Kopi di Kopi Pawon Nusantara. Jurnal INSAN Journal of Information System Management Innovation, 4(1), 27–34. https://doi.org/10.31294/jinsan.v4i1.3682
Khaira Ummah Junaedi Putri. (2025). [Update] Data e-commerce Indonesia: panduan lengkap. Retrieved November 24, 2025
Kristanto, F., Winarno, W. W., & Nasiri, A. (2023). Perbandingan Algoritme Naïve Bayes dan Decision Tree Pada Analisis Sentimen Data Komentar Siswa Pada Aplikasi Digital Teacher Assessment.
Ma’rufudin, M., & Yudhistira, A. (2025). Analisis Sentimen Petani Milenial Pada Media Sosial X Menggunakan Algortitma Support Vector Machine (SVM). Jurnal Pendidikan Dan Teknologi Indonesia, 5(3), 845–857
Manajemen, J., Yuli, M., & Aisah, S. (2025). Perkembangan dan Tren E-Commerce di Indonesia, 3(September).
Nuryamin, Y., & Risyda, F. (2025). JSI (Jurnal Sistem Informasi) Universitas Dirgantara Marsekal Suryadarma Analisis Prediksi Penyakit Diabetes Menggunakan Metode Decision Tree C4.5 Dan Naive Bayes, 5, 234–242.
Prasetyo, T., Waskita, A. A., & Taryo, T. (2025). Analisis Sentimen Pengguna Seputar Kendaraan Listrik di Twitter dengan Penerapan Algoritma Naïve Bayes, KNN, dan Decision Tree untuk Klasifikasi. Jurnal SISKOM-KB (Sistem Komputer Dan Kecerdasan Buatan), VIII(2), 108–117.
Rachmat Hidayat, R. H. (2024). Perbandingan Metode Naïve Bayes Dan Decision Tree C4.5 untuk Analisis Sentimen Produk Es Teh Indonesia di Media Sosial Twitter. Jurnal SISKOM-KB (Sistem Komputer Dan Kecerdasan Buatan), 7(2), 88–98. https://doi.org/10.47970/siskom-kb.v7i2.607
Septiani, D., & Isabela, I. (2022). Term Frequency Inverse Document Frequency (Tf-Idf) Analysis in Information Retrieval in Text Documents. Jurnal Sistem Dan Teknologi Informasi Indonesia(SINTESIA), 1(2), 81–88.
Ubaidillah Fahmi, R., Anjani Arifiyanti, A., & Luhur Indayanti Sugata, T. (2025). Analisis Sentimen Berbasis Aspek Pada Ulasan Aplikasi Midi Kriing Menggunakan Support Vector Machine (Svm). JATI (Jurnal Mahasiswa Teknik Informatika), 9(3), 4831–4839. https://doi.org/10.36040/jati.v9i3.13783
