Analisis Sentimen pada Ulasan Pembelian Produk di Marketplace Shopee Menggunakan Pendekatan Natural Language Processing

Main Article Content

Elik Hari Muktafin
Kusrini Kusrini
Emha Taufiq Luthfi

Abstract

Ulasan produk di marketplace merupakan informasi yang berharga apabila diolah dengan baik. Penjual dapat melakukan analisis ulasan produk untuk mendapat informasi yang dapat digunakan dalam evaluasi produk dan layanan. Kegiatan analisis ulasan produk tidak cukup dengan melihat jumlah bintang, diperlukan melihat seluruh isi komentar ulasan untuk dapat mengetahui maksud dari ulasan. Apabila dalam jumlah sedikit dapat dilakukan secara manual, namun dalam jumlah banyak lebih efektif menggunakan sistem. Dibutuhkan sistem yang mampu menganalisis banyak ulasan dengan efektif agar memudahkan dalam memahami maksud ulasan. Penelitian ini menggunakan algoritma KNN dan TF-IDF dengan pendekatan NLP untuk mengklasifikasikan ulasan produk “hijab instan†ke dalam 2 kelas (positif dan negatif). Klasifikasi menggunakan pendekatan NLP mendapat akurasi sebesar 76,92%, presisi 80,00% dan recall 74,07%, sedangkan tanpa NLP hanya mendapat akurasi sebesar 69,23%, presisi 80,00% dan recall 64,52%. Kata yang sering muncul pada ulasan dapat menggambarkan penilaian pembeli secara umum pada produk. Pada ulasan positif menunjukkan pembeli puas terhadap kualitas, kecepatan pengiriman dan harga barang, sedangkan pada ulasan negatif pembeli kecewa pada warna, dan jumlah barang yang dikirim tidak sama dengan yang dipesan.

Downloads

Download data is not yet available.

Article Details

How to Cite
Muktafin, E., Kusrini, K., & Luthfi, E. T. (2020). Analisis Sentimen pada Ulasan Pembelian Produk di Marketplace Shopee Menggunakan Pendekatan Natural Language Processing. Jurnal Eksplora Informatika, 10(1), 32-42. https://doi.org/10.30864/eksplora.v10i1.390
Section
Articles

References

A. K. Putra, R. D. Nyoto, and P. H. Sasty, “Rancang Bangun Aplikasi Marketplace Penyedia Jasa Les Private Di Kota Pontianak Berbasis Web,” J. Sist. dan Teknol. Inf., vol. 5, no. 1, pp. 22–25, 2017. [link]

IPrice, “Peta E ‑ Commerce Indonesia,” 2018. https://iprice.co.id/insights/mapofecommerce/ (accessed May 04, 2020).

H. Wang and Y. Wang, “A Review of Online Product Reviews,” J. Serv. Sci. Manag., vol. 13, no. 01, pp. 88–96, 2020, doi: 10.4236/jssm.2020.131006. [link]

A. Spink, B. J. Jansen, D. Wolfram, and T. Saracevic, “From E-sex to e-commerce: Web search changes,” Computer (Long. Beach. Calif)., vol. 35, no. 3, pp. 107–109, 2002, doi: 10.1109/2.989940. [link]

J. Seth and H. Sidgwick, “Toward the Next Generation of Recommender Systems: A Survey of the State-of-the-Art and Possible Extensions,” IEEE Trans. Knowl. Data Eng., vol. 17, no. 6, pp. 734–749, 2005, doi: 10.2307/2176678. [link]

I. R. S. Servanda, R. K. S. Putri, and N. A. Ananda, “Peran Ulasan Produk dan Fot Produk yang Ditampilkan Penjual pada Marketplace Shopee terhadap Minat Beli Pria dan Wanita,” J. Manaj. dan Bisnis, vol. 2, no. 2, pp. 69–79, 2019, doi: 10.37673/jmb.v2i2.526. [link]

M. Firdaus, F. Rizki, F. Gaus, and I. Susanto, “Analisis Sentimen Dan Topic Modelling Dalam Aplikasi Ruangguru,” J-SAKTI (Jurnal Sains Komput. dan Inform., vol. 4, p. 66, Mar. 2020, doi: 10.30645/j-sakti.v4i1.188. [link]

K. S. Samith, “Sentiment Analysis System for Product Review: A Survey,” no. April, pp. 268–278, 2015, doi: 10.3850/978-981-09-5346-1_cse-571. [link]

B. Ahmed and A. Ghabayen, “Review Rating Prediction Framework Using Deep Learning,” J. Ambient Intell. Humaniz. Comput., Mar. 2020, doi: 10.1007/s12652-020-01807-4. [link]

M. Nurul, N. Soewarno, and I. Isnalita, “Pengaruh Jumlah Pengunjung, Ulasan Produk, Reputasi Toko Dan Status Gold Badge pada Penjualan Dalam Tokopedia,” E-JA (e-Jurnal Akuntansi), vol. 28, no. 3, pp. 1855–1865, 2019, doi: 10.24843/EJA.2019.v28.i03.p14. [link]

A. A. Lutfi, A. E. Permanasari, and S. Fauziati, “Sentiment Analysis in the Sales Review of Indonesian Marketplace by Utilizing Support Vector Machine,” J. Inf. Syst. Eng. Bus. Intell., vol. 4, no. 1, p. 57, 2018, doi: 10.20473/jisebi.4.1.57-64. [link]

Muljono, D. P. Artanti, A. Syukur, A. Prihandono, and D. R. I. M. Setiadi, “Analisis Sentimen Untuk Penilaian Pelayanan Situs Belanja Online Menggunakan Algoritma Naïve Bayes,” in Konferensi Nasional Sistem Informasi 2018, 2018, pp. 8–9, [Online]. Available: http://jurnal.atmaluhur.ac.id/index.php/knsi2018/article/view/353.

K. Norman, Z. Li, Y. T. Oh, G. Golwala, S. Sundaram, and J. Allebach, “Application of natural language processing to an online fashion marketplace,” IS T Int. Symp. Electron. Imaging Sci. Technol., pp. 1–5, 2018, doi: 10.2352/ISSN.2470-1173.2018.10.IMAWM-444. [link]

E. Cambria, S. Poria, A. Gelbukh, and M. Thelwall, “Sentiment Analysis Is a Big Suitcase,” IEEE Intell. Syst., vol. 32, pp. 74–80, Nov. 2017, doi: 10.1109/MIS.2017.4531228. [link]

M. T. Khan, M. Durrani, A. Ali, I. Inayat, S. Khalid, and K. H. Khan, “Sentiment analysis and the complex natural language,” Complex Adapt. Syst. Model., vol. 4, no. 1, 2016, doi: 10.1186/s40294-016-0016-9. [link]

G. Trends, “hijab instan, hijab persegi, hijab voal - Explore - Google Trends.” https://trends.google.com/trends/explore?geo=ID&q=hijab instan,hijab persegi,hijab voal (accessed Apr. 28, 2020).

Shopee, “Harga Hijab Instan Terbaik.” https://shopee.co.id/search?keyword=hijab instan&page=0&sortBy=sales (accessed Apr. 28, 2020).

A. Solichin, “MySql 5: Dari Pemula Hingga Mahir,” Univ. Budi Luhur, Jakarta, Jan. 2010. [link]

M. Mhatre, D. Phondekar, P. Kadam, A. Chawathe, and K. Ghag, “Dimensionality reduction for sentiment analysis using pre-processing techniques,” in 2017 International Conference on Computing Methodologies and Communication (ICCMC), 2017, pp. 16–21, doi: 10.1109/ICCMC.2017.8282676. [link]

L. A. Mullen, K. Benoit, O. Keyes, D. Selivanov, and J. Arnold, “Fast, Consistent Tokenization of Natural Language Text,” J. Open Source Softw., vol. 3, no. 23, p. 655, 2018, doi: 10.21105/joss.00655. [link]

B. P. Pande and H. S. Dhami, “Application of Natural Language Processing Tools in Stemming,” Int. J. Comput. Appl., vol. 27, no. 6, pp. 14–19, 2011, doi: 10.5120/3302-4530. [link]

A. Prakash and U. Kumar, “International Journal of Computer Sciences and Engineering Open Access Authentication Protocols and Techniques : A Survey,” no. March, 2019, doi: 10.26438/ijcse/v6i6.10141020. [link]

R. Melita, V. Amrizal, H. Suseno, and T. Dirjam, “Penerapan Metode Term Frequency Inverse Document Frequency (Tf-Idf) dan Cosine Similarity pada Sistem Temu Kembali Informasi untuk Mengetahui Syarah Hadits Berbasis Web (Studi Kasus: Hadits Shahih Bukhari-Muslim),” J. Tek. Inform., vol. 11, no. 2, pp. 149–164, Nov. 2018, doi: 10.15408/jti.v11i2.8623. [link]

V. Jahjah, R. Khoury, and L. Lamontagne, Word Normalization Using Phonetic Signatures. 2016. [link]

J. Asian, H. E. Williams, and S. M. M. Tahaghoghi, “Stemming Indonesian,” Conf. Res. Pract. Inf. Technol. Ser., vol. 38, no. January, pp. 307–314, 2005, doi: 10.1145/1316457.1316459. [link]

M. Khader, A. Awajan, and G. Al-Naymat, “The Effects of Natural Language Processing on Big Data Analysis: Sentiment Analysis Case Study,” in 2018 International Arab Conference on Information Technology (ACIT), 2018, pp. 1–7, doi: 10.1109/ACIT.2018.8672697. [link]

D. Astuti and M. Lutfi, “Analisis Pengaruh Kualitas Pelayanan Dan Kepuasan Pelanggan Terhadap Loyalitas Pelanggan,” J. Ekobis Ekon. Bisnis Manaj., vol. 9, pp. 132–144, Mar. 2020, doi: 10.37932/j.e.v9i2.64. [link]

A. Tripathy, A. Agrawal, and S. K. Rath, “Classification of sentiment reviews using n-gram machine learning approach,” Expert Syst. Appl., vol. 57, pp. 117–126, 2016, doi: 10.1016/j.eswa.2016.03.028. [link]

A. Tharwat, “Classification Assessment Methods,” Appl. Comput. Informatics, no. January, 2018, doi: 10.1016/j.aci.2018.08.003. [link]

A. Deviyanto and M. D. R. Wahyudi, “Penerapan Analisis Sentimen Pada Pengguna Twitter Menggunakan Metode K-Nearest Neighbor,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 3, no. 1, pp. 1–13, 2018, doi: 10.14421/jiska.2018.31-01. [link]

J. Riany, M. Fajar, and M. P. Lukman, “Penerapan Deep Sentiment Analysis pada Angket Penilaian Terbuka Menggunakan K-Nearest Neighbor,” Sisfo, vol. 06, no. 01, pp. 147–156, 2016, doi: 10.24089/j.sisfo.2016.09.011. [link]