ANALISIS SENTIMEN ULASAN SHOPEE PADA GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA NAIVE BAYES

Riki Roska Rismansyah, Aso Sudiarjo, Teuku Mufizar

Abstract


This study aims to explore user opinions on the Shopee e-commerce application through sentiment analysis of reviews on the Google Play Store. Using the Python Programming Language with web scraping techniques, 2000 review data were collected and processed using the Naïve Bayes algorithm. The data preprocessing includes text cleaning, tokenization, and removal of stop words. The classification results show an accuracy of 83%, with a dominance of negative sentiment. From the results of the graphical visualization of consumer data reviews, negative sentiment data reviews get 65.9%, and positive sentiment data reviews get 34.1%. This study contributes to developing a sentiment-based recommendation system and provides input for Shopee to improve service quality.

Penelitian ini bertujuan untuk menggali opini pengguna terhadap aplikasi e-commerce Shopee melalui analisis sentimen terhadap ulasan yang terdapat di Google Play Store. Menggunakan Bahasa Pemrograman Python dengan teknik web scraping, sebanyak 2000 data ulasan berhasil dihimpun dan diolah menggunakan algoritma Naïve Bayes. Proses preprocessing data meliputi pembersihan teks, tokenisasi, dan penghilangan stop words. Hasil klasifikasi menunjukkan akurasi sebesar 83%, dengan dominasi sentimen negatif. Dari hasil visualisasi ulasan data konsumen secara grafis, ulasan data sentimen negatif mendapatkan presentase sebanyak 65.9% dan untuk ulasan data sentiment positif mendapatkan presentase sebanyak 34.1%. Penelitian ini memberikan kontribusi dalam pengembangan sistem rekomendasi berbasis sentimen serta memberikan masukan bagi pihak Shopee untuk meningkatkan kualitas layanan.


Full Text:

PDF

References


Agustina, N., Citra, D. H., Purnama, W., Nisa, C., & Kurnia, A. R. (2022). Implementasi Algoritma Naive Bayes untuk Analisis Sentimen Ulasan Shopee pada Google Play Store. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 2(1), 47–54. https://doi.org/10.57152/malcom.v2i1.195

Asih, E. M. (2024). Analisis pada Shopee Sebagai E-Commerce Terpopuler di Indonesia. Jurnal Ekonomi Bisnis Antartika, 2(1), 73–79. https://doi.org/10.70052/jeba.v2i1.299

Cahyaningtyas, C., Nataliani, Y., & Widiasari, I. R. (2021). Analisis Sentimen Pada Rating Aplikasi Shopee Menggunakan Metode Decision Tree Berbasis SMOTE. AITI : Jurnal Teknologi Informasi, 18(2), 173–184. https://doi.org/10.24246/aiti.v18i2.173-184

Idris, I. S. K., Mustofa, Y. A., & Salihi, I. A. (2023). Analisis Sentimen Terhadap Penggunaan Aplikasi Shopee Mengunakan Algoritma Support Vector Machine (SVM). Jambura Journal of Electrical and Electronics Engineering, 5(1), 32–35. https://doi.org/10.37905/jjeee.v5i1.16830

Nurian, A., Ma’arif, M. S., Amalia, I. N., & Rozikin, C. (2024). Analisis Sentimen Pengguna Aplikasi Shopee Pada Situs Google Play Menggunakan Naive Bayes Classifier. JITET : Jurnal Informatika Dan Teknik Elektro Terapan, 12(1), 97–105. https://doi.org/10.23960/jitet.v12i1.3631

Oktia, S., Soesanto, S., Purwanto, H., & Rochendi, T. (2024). Pengaruh Harga, Kualitas dan Jenis Produk Terhadap Pendapatan Toko Online P.T. Clothme Jakarta di Aplikasi Shopee. REMITTANCE : Jurnal Akuntansi Keuangan Dan Perbankan, 5(2), 71–82. https://doi.org/10.56486/remittance.vol5no2.647

Pasaribu, N. A., & Sriani. (2023). The Shopee Application User Reviews Sentiment Analysis Employing Naïve Bayes Algorithm. IJSECS : International Journal Software Engineering and Computer Science, 3(3), 194–204. https://doi.org/10.35870/ijsecs.v3i3.1699

Rahman, A., Utami, E., & Sudarmawan. (2021). Sentimen Analisis Terhadap Aplikasi pada Google Playstore Menggunakan Algoritma Naïve Bayes dan Algoritma Genetika. Komtika : Jurnal Komputasi Dan Informatika, 5(1), 60–71. https://doi.org/10.31603/komtika.v5i1.5188

Simanjuntak, R. L., Siagian, T. R., Anggriani, V., & Arnita, A. (2023). Analisis Sentimen Ulasan Pada Aplikasi E-Commerce Shopee Dengan Menggunakan Algoritma Naïve Bayes. Teknik : Jurnal Teknik Mesin, Elektro Dan Ilmu Komputer, 3(3), 23–39. https://doi.org/10.55606/teknik.v3i3.2411




DOI: https://doi.org/10.56486/jeis.vol5no1.661

Article Metrics

Abstract view : 51 times
PDF - 15 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2025 Riki Roska Rismansyah

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

TERINDEKS OLEH :

Â