Analisis Sentimen Produk Pada Bukalapak Menggunakan Lexicon-Based dan Multinomial Naïve Bayes

Abstract

Marketplace berperan penting dalam e-commerce, di mana reputasi produk sangat dipengaruhi oleh ulasan pembeli. Penelitian ini menganalisis sentimen ulasan "kemeja pria" di Bukalapak menggunakan Natural Language Processing (NLP). Data diproses melalui pre-processing seperti cleaning, case folding, normalisasi, tokenizing, stopword removal, dan stemming. Model Lexicon-Based dengan InSet Lexicon dan Multinomial Naïve Bayes menghasilkan precision 94%, recall 99% untuk sentimen positif, dan accuracy 91%-94%, sementara RapidMiner hanya mencapai precision 17.70%, recall 50%, dan accuracy 39.04%-44.57%. Namun, recall ulasan netral 0% akibat ketidak seimbangan dataset yang mengindikasikan potensi overfitting. Analisis menunjukkan ulasan positif menyoroti kualitas produk, sedangkan ulasan negatif terkait produk rusak dan ukuran tidak sesuai. Hasil ini memberi wawasan bagi penjual dalam meningkatkan produk dan layanan.