IMPLEMENTASI BIG DATA DALAM ANALISIS SENTIMEN ULASAN PENGGUNA TOKOPEDIA BERBASIS APLIKASI WEB MENGGUNAKAN METODE NAIVE BAYES

Pesatnya perkembangan e-commerce mendorong meningkatnya jumlah ulasan pengguna yang memuat opini dan pengalaman terhadap layanan yang digunakan. Data ulasan tersebut memiliki karakteristik Big Data, seperti volume yang besar, variasi bahasa, dan pertumbuhan data yang cepat, sehingga analisis manual menjadi tidak efisien. Penelitian ini bertujuan mengimplementasikan konsep Big Data dalam analisis sentimen ulasan pengguna Tokopedia berbasis aplikasi web menggunakan algoritma Multinomial Naive Bayes. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan tahapan pengumpulan data, preprocessing teks, ekstraksi fitur menggunakan Term Frequency–Inverse Document Frequency (TF-IDF), serta klasifikasi sentimen ke dalam kategori positif, negatif, dan netral. Dataset yang digunakan terdiri dari 4.000 ulasan pengguna yang dibagi menjadi data latih dan data uji. Evaluasi kinerja model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa metode Naive Bayes mampu mengklasifikasikan sentimen ulasan dengan performa yang baik. Visualisasi hasil analisis dalam bentuk dashboard aplikasi web memudahkan interpretasi distribusi sentimen. Dominasi sentimen negatif mengindikasikan adanya tingkat ketidakpuasan pengguna terhadap layanan pada data yang dianalisis. Kontribusi penelitian ini terletak pada penerapan analisis sentimen berbasis Big Data yang terintegrasi dengan aplikasi web sebagai alat evaluasi layanan e-commerce yang bersifat aplikatif dan skalabel.