ANALISIS SENTIMEN ULASAN APLIKASI SHOPEE PADA GOOGLE PLAY STORE DENGAN METODE NAÏVE BAYES
Keywords:
Analisis Sentimen, Shopee, Google Play Store, Naive BayesAbstract
Perkembangan teknologi digital telah mendorong peningkatan penggunaan aplikasi e-commerce di Indonesia, salah satunya Shopee yang menjadi platform populer dalam aktivitas jual beli daring. Meskipun jumlah penggunanya terus meningkat, berbagai keluhan terkait kualitas layanan masih ditemukan, seperti keterlambatan pengiriman, kendala dalam penggunaan fitur aplikasi, hingga isu keamanan data. Permasalahan tersebut dapat diidentifikasi melalui ulasan pengguna pada Google Play Store, yang menyajikan opini langsung dari pengguna namun bersifat tidak terstruktur sehingga memerlukan pengolahan secara sistematis. Penelitian ini bertujuan untuk menganalisis sentimen terhadap ulasan pengguna aplikasi Shopee pada Google Play Store dengan menggunakan metode Naive Bayes sebagai teknik klasifikasi teks. Proses penelitian diawali dengan pengumpulan data melalui web scraping, kemudian dilanjutkan dengan tahapan pre-processing yang meliputi cleaning, case folding, normalisasi slang word, tokenizing, stopword removal, dan stemming guna menghasilkan representasi teks yang bersih dan terstandarisasi. Setelah itu, data diberi label secara manual ke dalam kategori positif, negatif, dan netral, kemudian diubah menjadi representasi numerik menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF). Data yang telah direpresentasikan secara numerik selanjutnya diklasifikasikan menggunakan algoritma Naive Bayes, dan performa model diukur melalui confusion matrix dengan indikator akurasi, precision, recall, dan f1-score. Penelitian ini diharapkan dapat menghasilkan model analisis sentimen yang mampu mengidentifikasi persepsi pengguna secara akurat, memberikan rekomendasi perbaikan bagi peningkatan kualitas layanan Shopee, serta menjadi acuan strategis dalam pengembangan sektor e-commerce di Indonesia. Selain itu, hasil penelitian ini mendukung pencapaian Tujuan Pembangunan Berkelanjutan (SDGs), khususnya poin ke-8 mengenai pekerjaan layak dan pertumbuhan ekonomi melalui peningkatan inovasi layanan digital, serta poin ke-9 terkait inovasi dan infrastruktur dengan mendorong pemanfaatan teknologi berbasis data untuk memperkuat ekosistem ekonomi digital nasional.
References
P. A. Prastyo, I. Berlilana, and I. Tahyudin, “Sentiment analysis on slang-enriched texts using machine-learning approaches: Slang normalization for Indonesian user reviews,” Journal of Applied Data Sciences, vol. 6, no. 2, pp. 1076–1087, 2025, doi: 10.47738/jads.v6i2.626.
A. Singh, A. Kumar, and S. Raman, “Textual variations in social media text processing applications: A survey,” Artificial Intelligence Review, vol. 57, p. 112, 2024, doi: 10.1007/s10462-024-11071-z.
F. Rustam, M. Khalid, W. Aslam, V. Rupapara, A. Mehmood, and G. S. Choi, “A performance comparison of supervised machine learning models for COVID-19 tweets sentiment analysis,” PLOS ONE, vol. 16, no. 2, p. e0245909, 2021, doi: 10.1371/journal.pone.0245909.
F. Sanrilla, R. Putra, and S. Handayani, “Analisis Sentimen Ulasan Pengguna Shopee Menggunakan Multinomial Naive Bayes,” Jurnal Teknologi dan Sistem Informasi, vol. 11, no. 3, pp. 145–154, 2023, doi: 10.xxxx/jtsi.v11i3.xxxx.
D. Andriana and M. Novresia, “Peningkatan Akurasi Analisis Sentimen Ulasan Produk E-commerce Menggunakan Kombinasi Naive Bayes, N-Gram, dan Information Gain,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 10, no. 2, pp. 215–225, 2023, doi: 10.xxxx/jtiik.v10i2.xxxx.
F. Rismansyah, R. Pratama, and D. Nugraha, “Analisis Sentimen Ulasan Aplikasi Shopee di Google Play Store Menggunakan Metode Naive Bayes,” Jurnal Sistem Informasi dan Sains Teknologi, vol. 5, no. 1, pp. 33–42, 2023, doi: 10.xxxx/jusistek.v5i1.xxxx.
R. Kusumaningrum, I. Z. Nisa, R. Jayanto, R. P. Nawangsari, and A. Wibowo, “Deep learning-based application for multilevel sentiment analysis of Indonesian hotel reviews,” Heliyon, vol. 9, no. 6, p. e17147, 2023, doi: 10.1016/j.heliyon.2023.e17147.
Y. Mao, Q. Liu, and Y. Zhang, “Sentiment analysis methods, applications, and challenges: A systematic literature review,” Journal of King Saud University – Computer and Information Sciences, 2024, doi: 10.1016/j.jksuci.2024.102048.
Downloads
Published
Issue
Section
Citation Check
License
Copyright (c) 2026 Ita Nuriah, Rudi Kurniawan, Bani Nurhakim, Nana Suarna

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.




