Perbandingan Algoritma Naive Bayes dan Support Vector Machine dalam Analisis Sentimen Ulasan Produk E-Commerce
Main Article Content
Andra Maulana
Ulasan produk pada platform e-commerce terus bertambah setiap hari dan menjadi sumber informasi penting bagi konsumen maupun penjual dalam menilai kualitas suatu produk. Volume ulasan yang besar menyebabkan proses pembacaan dan penilaian sentimen secara manual menjadi tidak efisien, sehingga dibutuhkan metode klasifikasi otomatis. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Naive Bayes dan Support Vector Machine (SVM) dalam melakukan analisis sentimen terhadap ulasan produk e-commerce. Dataset yang digunakan adalah Flipkart Product Review Dataset yang diperoleh dari platform Kaggle sebanyak 189.874 ulasan, yang setelah proses pembersihan data menghasilkan 164.070 ulasan valid dan setelah pelabelan berbasis rating diperoleh 150.247 ulasan berlabel sentimen positif dan negatif. Tahapan penelitian meliputi pengumpulan data, text preprocessing (cleaning, case folding, tokenizing, stopword removal, dan stemming), pelabelan sentimen berdasarkan rating, ekstraksi fitur menggunakan TF-IDF, pembagian data latih dan data uji dengan rasio 80:20, pelatihan model, serta evaluasi menggunakan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan SVM memberikan kinerja terbaik dengan accuracy 98,47%, precision 98,69%, recall 99,49%, dan F1-score 99,09% dengan total kesalahan klasifikasi yang lebih sedikit, sedangkan Naive Bayes memperoleh accuracy 97,77%, precision 97,87%, recall 99,51%, dan F1-score 98,68% dengan waktu pelatihan yang sekitar 22 kali lebih singkat. Hasil perbandingan ini diharapkan dapat menjadi rekomendasi bagi pengembang sistem dalam memilih algoritma yang paling sesuai untuk membangun sistem klasifikasi sentimen ulasan produk pada platform e-commerce.
Khalid, A l e m e r i e n, Aram, A l - G h a r e e b, & Malek, A l k s a s b e h (2024). Sentiment Analysis of Online Reviews: A Machine Learning Based Approach with TF-IDF Vectorization. Journal of Mobile Multimedia, (), 1089-1116. https://doi.org/10.13052/jmm1550-4646.2055
Dloifur Rohman, A l g h i f a r i, Mohammad, E d i, & Lutfi, F i r m a n s y a h (2022). Implementasi Bidirectional LSTM untuk Analisis Sentimen Terhadap Layanan Grab Indonesia. Jurnal Manajemen Informatika (JAMIKA), 12(2), 89-99. https://doi.org/10.34010/jamika.v12i2.7764
Mohammad Eid, A l z a h r a n i, Theyazn H. H., A l d h y a n i, Saleh Nagi, A l s u b a r i, Maha M., A l t h o b a i t i, & Adil, F a h a d (2022). Developing an Intelligent System with Deep Learning Algorithms for Sentiment Analysis of E-Commerce Product Reviews. Computational Intelligence and Neuroscience, 2022(), 1-10. https://doi.org/10.1155/2022/3840071
Muhaimin, B a h r e i n, & Suhendro, A p a n d i (2025). Perbandingan Kinerja Naive Bayes, Support Vector Machine, Regresi Logistik, dan Decision Tree untuk Klasifikasi Sentimen Ulasan Produk Berbasis TF-IDF. Techno.Com, 24(4), 1067-1078. https://doi.org/10.62411/tc.v24i4.13968
Pawanjit Singh, G h a t o r a, Seyed Ebrahim, H o s s e i n i, Shahbaz, P e r v e z, Muhammad, I q b a l, & Nabil, S h a u k a t (2024). Sentiment Analysis of Product Reviews Using Machine Learning and Pre-Trained LLM. Big Data and Cognitive Computing, 8(12), 199. https://doi.org/10.3390/bdcc8120199
Hendriyana, H e n d r i y a n a, Ichwanul Muslim Karo, K a r o, & Sri Murni, D e w i (2022). Analisis perbandingan Algoritma Support Vector Machine, Naive Bayes dan Regresi Logistik untuk Memprediksi Donor Darah. Jurnal Teknologi Terpadu, 8(2), 121-126. https://doi.org/10.54914/jtt.v8i2.581
Huang, H u a n g, Adeleh, A s e m i, & Mumtaz Begum, M u s t a f a (2023). Sentiment Analysis in E-Commerce Platforms: A Review of Current Techniques and Future Directions. IEEE Access, 11(), 90367-90382. https://doi.org/10.1109/access.2023.3307308
Talha Ahmed, K h a n, Rehan, S a d i q, Zeeshan, S h a h i d, Muhammad Mansoor, A l a m, & Mazliham Mohd, S u ’ u d (2024). Sentiment Analysis using Support Vector Machine and Random Forest. Journal of Informatics and Web Engineering, 3(1), 67. https://doi.org/10.33093/jiwe.2024.3.1.5
Josua Josen Alexander, L i m b o n g, Irwan, S e m b i r i n g, & Kristoko Dwi, H a r t o m o (2022). Analisis Klasifikasi Sentimen Ulasan pada E-Commerce Shopee Berbasis Word Cloud dengan Metode Naive Bayes dan K-Nearest Neighbor. Jurnal Teknologi Informasi dan Ilmu Komputer, 9(2), 347. https://doi.org/10.25126/jtiik.2022924960
Bagas Akbar, M a u l a n a, Muhammad Jazilul, F a h m i, Ari Muhamad, I m r a n, & Nutriana, H i d a y a t i (2024). Analisis Sentimen Terhadap Aplikasi Pluang Menggunakan Algoritma Naive Bayes dan Support Vector Machine (SVM). MALCOM Indonesian Journal of Machine Learning and Computer Science, 4(2), 375-384. https://doi.org/10.57152/malcom.v4i2.1206
Firda, M i l l e n n i a n i t a, Ummi, A t h i y a h, & Arif Wirawan, M u h a m m a d (2024). Comparison of Naïve Bayes Classifier and Support Vector Machine Methods for Sentiment Classification of Responses to Bullying Cases on Twitter. Journal of Mechatronics and Artificial Intelligence, 1(1), 11-26. https://doi.org/10.17509/jmai.v1i1.69959
I Wayan, P i n a s t a w a, & Nur Alim, A r i f u d d i n (2023). Komparasi Naïve Bayes dan Support Vector Machine dalam Klasifikasi Jenis Citrus. Techno.Com, 22(2), 409-417. https://doi.org/10.33633/tc.v22i2.7777
Punithavathi, R a s a p p a n, M., P r e m k u m a r, Garima, S i n h a, & Kumar, C h a n d r a s e k a r a n (2024). Transforming sentiment analysis for e-commerce product reviews: Hybrid deep learning model with an innovative term weighting and feature selection. Information Processing & Management, 61(3), 103654. https://doi.org/10.1016/j.ipm.2024.103654
Mohd Amiruddin, S a d d a m, Erno Kurniawan, D, & Indra, I n d r a (2023). Analisis Sentimen Fenomena PHK Massal Menggunakan Naive Bayes dan Support Vector Machine. Jurnal Informatika Jurnal Pengembangan IT, 8(3), 226-233. https://doi.org/10.30591/jpit.v8i3.4884
Tania Puspa Rahayu, S a n j a y a, Ahmad, F a u z i, & Anis Fitri Nur, M a s r u r i y a h (2023). Analisis sentimen ulasan pada e-commerce shopee menggunakan algoritma naive bayes dan support vector machine. INFOTECH Jurnal Informatika & Teknologi, 4(1), 16-26. https://doi.org/10.37373/infotech.v4i1.422
Shakib Sadat, S h a n t o, Zishan, A h m e d, Nisma, H o s s a i n, Auditi, R o y, & Akinul Islam, J o n y (2023). Binary vs. Multiclass Sentiment Classification for Bangla E-commerce Product Reviews: A Comparative Analysis of Machine Learning Models. International Journal of Information Engineering and Electronic Business, 15(6), 48-63. https://doi.org/10.5815/ijieeb.2023.06.04
Upendra, S i n g h, Anant, S a r a s w a t, Hiteshwar Kumar, A z a d, Kumar, A b h i s h e k, & S, S h i t h a r t h (2022). Towards improving e-commerce customer review analysis for sentiment detection. Scientific Reports, 12(1), 21983. https://doi.org/10.1038/s41598-022-26432-3
Dwi Amalia, T a r i g a n, Zeffitni, S i t u m o r a n g, & Risnat, R o s n e l l y (2025). Analisis Sentimen Aplikasi Playstore Sirekap 2024 Pasca Pilpres Dengan Perbandingan Metode Support Vector Machine (SVM), Naïve Bayes Classifier dan Random Forest. Jurnal Teknologi Informasi dan Ilmu Komputer, 12(3), 587-596. https://doi.org/10.25126/jtiik.2025129608
Thummar, Mansi (2022). Flipkart products review dataset [Dataset]. Kaggle
Roland, V i n c e n t, Iqbal, M a u l a n a, & Oman, K o m a r u d i n (2024). PERBANDINGAN KLASIFIKASI NAIVE BAYES DAN SUPPORT VECTOR MACHINE DALAM ANALISIS SENTIMEN DENGAN MULTICLASS DI TWITTER. JATI (Jurnal Mahasiswa Teknik Informatika), 7(4), 2496-2505. https://doi.org/10.36040/jati.v7i4.7152
