Perbandingan Support Vector Machine dan Naïve Bayes untuk Klasifikasi Sentimen Ulasan E-Commerce: Comparison of Support Vector Machine and Naïve Bayes for E-Commerce Review Sentiment Classification

Abstrak

Ulasan pelanggan di platform e-commerce memuat informasi penting tentang pengalaman pengguna terhadap produk dan layanan. Namun, mengingat jumlahnya sangat besar, analisis manual tidak efisien. Klasifikasi sentimen berbasis machine learning dapat secara otomatis mengidentifikasi opini dari teks ulasan. Penelitian ini ingin melakukan perbandingan antara performa Support Vector Machine (SVM) dan Naïve Bayes dalam melakukan klasifikasi sentimen pada ulasan di platform e-commerce. Dataset terdiri atas 11.606 ulasan pelanggan yang bersumber dari repositori dataset publik. Tahap pra-pemrosesan mencakup case folding, tokenization, penghilangan stopword, serta stemming. Fitur teks ditampilkan memakai Term Frequency–Inverse Document Frequency (TF-IDF). Kinerja model dievaluasi berdasarkan skema 5-fold cross-validation menggunakan metrik accuracy, precision, dan recall, serta F1-score. Hasil eksperimen menemukan algoritma Support Vector Machine mempunyai performa lebih unggul jika dibandingkan dengan Naïve Bayes, di mana perolehan nilai accuracy masing-masing mencapai 0.8717 dan 0.8555. Temuan ini sekaligus menunjukkan Support Vector Machine mempunyai kemampuan generalisasi yang lebih baik dalam membedakan kelas sentimen pada data ulasan e-commerce berbasis teks.