Klasifikasi dan Prediksi Ulasan E-Commerce Menggunakan Algoritma Naive Bayes

Penelitian ini bertujuan untuk mengklasifikasikan ulasan pengguna aplikasi Tokopedia ke dalam empat kategori utama: fitur aplikasi, layanan, pembayaran, dan promosi. Sebanyak 1.500 ulasan dikumpulkan melalui teknik web scraping dari Google Play Store dan diolah menggunakan tahapan preprocessing seperti tokenization, stopword removal, dan stemming. Klasifikasi dilakukan dengan menggunakan algoritma Multinomial Naive Bayes. Dari 458 data uji, model menghasilkan akurasi sebesar 83,41%, dengan nilai precision tertinggi pada kategori fitur aplikasi sebesar 0,89 dan recall tertinggi pada kategori pembayaran dan promosi sebesar 0,97. Hasil tersebut menunjukkan bahwa algoritma Naive Bayes efektif dalam mengelompokkan ulasan secara otomatis dengan rata-rata kinerja makro sebesar 0,84 (precision), 0,83 (recall), dan 0,83 (f1-score). Kontribusi utama dari penelitian ini adalah penerapan metode klasifikasi teks yang dapat membantu Tokopedia mengidentifikasi aspek layanan yang paling sering dibicarakan oleh pengguna, sehingga dapat mendukung pengambilan keputusan yang lebih terarah.

Kata Kunci: Naive Bayes, klasifikasi teks, ulasan pengguna, Tokopedia, e-commerce.