Analisis Sentimen ShopeeFood pada Aplikasi X Menggunakan Algoritman Klasifikasi

Manuel Alexandro; Deny Jollyta

Manuel Alexandro Institut Bisnis dan Teknologi Pelita Indonesia
Deny Jollyta Institut Bisnis dan Teknologi Pelita Indonesia

Abstract viewed = 0 times

PDF (Bahasa Indonesia) downloaded = 0 times

Abstract

Perkembangan layanan pesan antar makanan semakin pesat di Indonesia, salah satunya adalah ShopeeFood yang menjadi kompetitor utama dalam industri food delivery. Untuk memahami pengalaman dan persepsi pengguna terhadap layanan tersebut, diperlukan analisis sentimen pada komentar yang dipublikasikan di media sosial X. Penelitian ini bertujuan untuk melakukan klasifikasi sentimen komentar pengguna terhadap ShopeeFood dengan algoritma Naïve Bayes (NB) dan Support Vector Machine (SVM). Proses pelatihan melibatkan Augmentasi data teknik Synonym Replacement untuk menyeimbangkan data melalui penambahan data. Data yang digunakan terbagi menjadi tiga tahap, yaitu dataset awal, dataset dengan penambahan data, serta dataset hasil augmentasi teks menggunakan teknik synonym replacement. Evaluasi model menggunakan confusion matrix serta pengukuran precision, recall, f1-score, dan akurasi. Hasil penelitian menunjukkan bahwa pada dataset awal, algoritma SVM memperoleh akurasi sebesar 77% sedangkan Naïve Bayes sebesar 70%. Setelah penambahan data, performa SVM menjadi 75% dan NB 74%. Pada dataset hasil augmentasi teks, SVM memberikan hasil terbaik dengan akurasi 90% dan NB mencapai 86%. Hal ini menunjukkan bahwa augmentasi teks berpengaruh positif terhadap peningkatan performa model, serta algoritma SVM memiliki keunggulan dalam mengklasifikasikan sentimen komentar pengguna ShopeeFood.

References

[1] Y. Yusniah, A. Putri, and A. Simatupang, “Perkembangan Teknologi Komunikasi dan Informasi: Akar Revolusi dan Berbagai Standarnya,” Da’watuna J. Commun. Islam. Broadcast., vol. 3, no. 2, pp. 330–337, 2022, doi: 10.47467/dawatuna.v3i2.2460.
[2] M. Z. Farhan, “Analisis Sentimen Layanan Shopeefood Pada Twitter Dengan Metode K-Nearest Neighbor, Support Vector Machine, dan Decision Tree,” J. Ilm. Inform., vol. 7, no. 2, pp. 95–106, 2023, doi: 10.35316/jimi.v7i2.95-106.
[3] M. R. RAMADHAN, “ANALISIS SENTIMEN MASYARAKAT MENGENAI APLIKASI SHOPEEFOOD MENGGUNAKAN CHI SQUARE DAN METODE NAIVE BAYES CLASSIFIER,” J. Ekon. Vol. 18, Nomor 1 Maret201, vol. 2, no. 1, pp. 41–49, 2023.
[4] H. Dwistia, M. Sajdah, O. Awaliah, and N. Elfina, “Pemanfaatan Media Sosial Sebagai Media Pembelajaran Pendidikan Agama Islam,” Ar-Rusyd J. Pendidik. Agama Islam, vol. 1, no. 2, pp. 81–99, 2022, doi: 10.61094/arrusyd.2830-2281.33.
[5] A. Septiana et al., “Dalam Analisis Sentimen Pengguna Twitter X Terhadap,” vol. 8, no. 1, pp. 323–330, 2024.
[6] K. M. Rahmi, “Jurnal 5 TEXT MINING ANALYSIS DAN SENTIMENT ANALYSIS DENGAN MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER(Studi Kasus: Data Tanggapan Mengenai Tokopedia Melalui Media Sosial Twitter),” pp. 1–84, 2021.
[7] F. Fathonah and A. Herliana, “Penerapan Text Mining Analisis Sentimen Mengenai Vaksin Covid - 19 Menggunakan Metode Naïve Bayes,” J. Sains dan Inform., vol. 7, no. 2, pp. 155–164, 2021, doi: 10.34128/jsi.v7i2.331.
[8] G. Honor, L. Ode, and L. Hadiani, “Implementasi Naive Bayes dalam Analisis Sentimen Ulasan Game Honor of Kings di Playstore Implementation of Naive Bayes in Sentiment Analysis of Comments on the,” vol. 6, no. 1, pp. 29–37, 2025.
[9] E. W. Risma Faris Triana, Ade Irma Purnama Sari, Agus Bahtiar, “Implementasi Algoritma Naïve Bayes Untuk Klasifikasi Sentimen Ulasan Pengguna KAI Access,” MDP Student Conf., vol. 2, no. 1, pp. 24–31, 2025, doi: 10.35957/mdp-sc.v2i1.4326.
[10] D. Nugraha and F. Said, “Implementasi Algoritma C4.5 dan Naive Bayes untuk Analisis Sentimen Publik terhadap Platform Live Streaming Dukov di Indonesia,” J. Indones. Manaj. Inform. dan Komun., vol. 5, no. 3, pp. 3326–3335, 2024, doi: 10.35870/jimik.v5i3.1011.
[11] A. Mudya Yolanda and R. Tri Mulya, “Implementasi Metode Support Vector Machine untuk Analisis Sentimen pada Ulasan Aplikasi Sayurbox di Google Play Store,” VARIANSI J. Stat. Its Appl. Teach. Res., vol. 6, no. 2, pp. 76–83, 2024, doi: 10.35580/variansiunm258.
[12] A. E. Widodo, F. F. Wati, and N. Hidayati, “Implementasi Algoritma SVM dan Naive Bayes untuk Analisis Sentimen pada Ulasan Pengguna Aplikasi OneDrive,” Indones. J. Softw. Eng., vol. 10, no. 2, pp. 131–138, 2024, doi: 10.31294/ijse.v10i2.23523.
[13] W. Jayanata, I. Kurniawan, and E. B. Setiawan, “Implementasi Metode Support Vector Machine ( SVM ) pada Model Prediksi Rating Obat Berdasarkan Ulasan Pasien,” vol. 1, no. 1, pp. 14–19, 2023.
[14] D. Jollyta, G. Gusrianty, P. Prihandoko, and D. Sukrianto, “N-gram and Kernel Performance Using Support Vector Machine Algorithm for Fake News Detection System,” Ilk. J. Ilm., vol. 15, no. 3, pp. 398–404, 2023, doi: 10.33096/ilkom.v15i3.1770.398-404.
[15] F. Mukti Ayudewi and A. Ramadhan Firdaus, “Analisis Sentimen Ulasan Pengguna Platform Belajar Coursera Menggunakan Model Distilbert Dengan Augmentasi Data Dan Penanganan Ketidakseimbangan Data,” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 5, pp. 7706–7712, 2025, doi: 10.36040/jati.v9i5.14844.
[16] S. Athallah, H. Ashaury, P. Nurul Sabrina, and U. Jenderal Achmad Yani Jl Terusan Jenderal Sudirman, “Klasifikasi Myers-Briggs Type Indicator Pengguna Twitter Menggunakan Support Vector Machine dan Augmentasi Data,” vol. 8, no. 1, pp. 36–52, 2024.
[17] I. A. Rahma and L. H. Suadaa, “Penerapan Text Augmentation untuk Mengatasi Data yang Tidak Seimbang pada Klasifikasi Teks Berbahasa Indonesia,” J. Teknol. Inf. dan Ilmu Komput., vol. 10, no. 6, pp. 1329–1340, 2023, doi: 10.25126/jtiik.2023107325.
[18] I. Risma Huriah, A. Ismania Sita Widianingrum, T. Informatika, and U. Muhammadiyah Riau, “Optimasi Augmentasi Data Berbasis Synonym Replacement pada Klasifikasi Teks Berita Menggunakan Neural Network Optimization of Data Augmentation Based on Synonym Replacement in News Text Classification Using Neural Network,” vol. 14, no. 1, pp. 2715–7849, 2025, doi: 10.34010/komputa.v14i1.
[19] A. Nur Azizah, M. Falach Asy’ari, I. Wisma Dwi Prastya, and D. Purwitasari, “Easy Data Augmentation untuk Data yang Imbalance pada Konsultasi Kesehatan Daring,” J. Teknol. Inf. dan Ilmu Komput., vol. 10, no. 5, pp. 1095–1104, 2023, doi: 10.25126/jtiik.2023107082.