Penulis: Debby Erce Sondakh, S.Kom, M.T, Ph.D; Semmy W. Taju; Michelle G. Tene; Arwin E. T. Pangaila (Fakultas Ilmu Komputer, Universitas Klabat)
Pertumbuhan aktivitas belanja online turut meningkatkan jumlah ulasan pengguna terhadap aplikasi belanja. Ulasan ini penting bagi konsumen dan pengembang, namun terlalu banyaknya komentar membuat proses klasifikasi manual menjadi tidak efisien. Penelitian ini mengembangkan sistem analisis sentimen untuk mengklasifikasikan ulasan menjadi sentimen positif, netral, dan negatif. Sistem menampilkan visualisasi hasil analisis berupa pie chart, frekuensi kata, dan probabilitas tiap kelas sentimen. Metode ensemble learning digunakan dengan menggabungkan algoritma SVM, KNN, dan Random Forest. Hasil menunjukkan bahwa model ensemble menghasilkan performa lebih akurat dibandingkan satu algoritma tunggal, dengan akurasi 81.8%, precision 83%, recall 82%, dan F1-score 82%.
Unduh Jurnal Lengkap (PDF)
Download PDF