Implementasi Naïve Bayes dan Seleksi Fitur Chi-Square Untuk Klasifikasi Review Produk Elektronik di E-commerce Shopee

Abstrak

Ulasan pelanggan pada platform e-commerce merupakan sumber informasi penting untuk memahami tingkat kepuasan konsumen terhadap suatu produk. Namun, tingginya volume ulasan yang dihasilkan setiap hari menyebabkan proses analisis secara manual menjadi kurang efektif. Penelitian ini bertujuan untuk mengembangkan model klasifikasi sentimen pada ulasan produk elektronik di platform Shopee menggunakan algoritma Multinomial Naïve Bayes yang dioptimalkan dengan metode seleksi fitur Chi-Square. Dataset diperoleh dari ulasan produk elektronik yang dikumpulkan melalui proses web scraping dan selanjutnya melalui tahapan pembersihan data serta preprocessing teks. Evaluasi dilakukan dengan membandingkan performa model sebelum dan sesudah penerapan seleksi fitur menggunakan metrik akurasi, presisi, recall, dan F1-Score serta validasi silang Stratified K-Fold. Hasil penelitian menunjukkan bahwa penerapan seleksi fitur Chi-Square mampu meningkatkan kinerja model klasifikasi dibandingkan penggunaan Multinomial Naïve Bayes tanpa seleksi fitur. Model yang diusulkan memperoleh akurasi sebesar 91,10%, recall sebesar 91,10%, dan F1-Score sebesar 89,59%, serta menunjukkan performa yang stabil pada proses validasi silang. Temuan ini membuktikan bahwa integrasi Chi-Square dan Multinomial Naïve Bayes efektif dalam meningkatkan kualitas klasifikasi sentimen ulasan produk elektronik berbahasa Indonesia pada platform e-commerce.

Identifier

• OpenAlex: https://openalex.org/W7172340902
• DOI: https://doi.org/10.33364/algoritma/v.23-1.3566