Analisis Sentimen Ulasan Produk Marketplace Indonesia Menggunakan Naive Bayes dan SVM dengan Label Berdasarkan Rating

Analisis sentimen bertujuan mengidentifikasi opini pengguna terhadap produk di marketplace seperti Shopee dan Tokopedia. Penelitian ini melakukan klasifikasi sentimen ulasan produk menggunakan Naive Bayes (NB) dan Support Vector Machine (SVM). Dataset telah melalui preprocessing teks, termasuk case folding, tokenisasi, stopword removal, dan stemming, kemudian direpresentasikan menggunakan TF-IDF. Hasil penelitian menunjukkan bahwa Support Vector Machine (SVM) memperoleh akurasi tertinggi sebesar 94,54%, namun memiliki recall kelas negatif yang sangat rendah (5,71%), mengindikasikan bias yang kuat terhadap kelas mayoritas. Sebaliknya, Naïve Bayes (NB) mencatatkan akurasi lebih rendah sebesar 67,88%, tetapi menunjukkan kinerja yang lebih seimbang dengan recall kelas negatif sebesar 48,57%.. Sebaliknya, NB memberikan performa lebih seimbang antara kelas positif dan negatif meskipun akurasinya sedikit lebih rendah. Temuan ini menekankan pentingnya memperhatikan class imbalance dalam analisis sentimen, khususnya untuk aplikasi yang memerlukan deteksi keluhan konsumen. Penelitian ini diharapkan dapat menjadi acuan bagi pengembangan sistem analisis sentimen otomatis di platform marketplace dengan fokus pada keseimbangan performa antar kelas.