Perbandingan Support Vector Machine dan Naïve Bayes untuk Klasifikasi Sentimen Ulasan E-Commerce: Comparison of Support Vector Machine and Naïve Bayes for E-Commerce Review Sentiment Classification

Dita Nurmadewi; Zakiul Fahmi Jailani; Haris Rafi; Dimas Aryo Anggoro; Dewi Setiowati

doi:10.57152/malcom.v6i2.2648

Authors

Dita Nurmadewi Universitas Bakrie
Zakiul Fahmi Jailani Universitas Bakrie
Haris Rafi Universitas Bakrie
Dimas Aryo Anggoro Universitas Bakrie
Dewi Setiowati Universitas Esa Unggul

DOI:

https://doi.org/10.57152/malcom.v6i2.2648

Keywords:

Klasifikasi Sentimen, Naïve Bayes, Support Vector Machine, TF-IDF, Ulasan E-Commerce

Abstract

Ulasan pelanggan di platform e-commerce memuat informasi penting tentang pengalaman pengguna terhadap produk dan layanan. Namun, mengingat jumlahnya sangat besar, analisis manual tidak efisien. Klasifikasi sentimen berbasis machine learning dapat secara otomatis mengidentifikasi opini dari teks ulasan. Penelitian ini ingin melakukan perbandingan antara performa Support Vector Machine (SVM) dan Naïve Bayes dalam melakukan klasifikasi sentimen pada ulasan di platform e-commerce. Dataset terdiri atas 11.606 ulasan pelanggan yang bersumber dari repositori dataset publik. Tahap pra-pemrosesan mencakup case folding, tokenization, penghilangan stopword, serta stemming. Fitur teks ditampilkan memakai Term Frequency–Inverse Document Frequency (TF-IDF). Kinerja model dievaluasi berdasarkan skema 5-fold cross-validation menggunakan metrik accuracy, precision, dan recall, serta F1-score. Hasil eksperimen menemukan algoritma Support Vector Machine mempunyai performa lebih unggul jika dibandingkan dengan Naïve Bayes, di mana perolehan nilai accuracy masing-masing mencapai 0.8717 dan 0.8555. Temuan ini sekaligus menunjukkan Support Vector Machine mempunyai kemampuan generalisasi yang lebih baik dalam membedakan kelas sentimen pada data ulasan e-commerce berbasis teks.

Downloads

Download data is not yet available.

References

K. Kowsari, K. J. Meimandi, M. Heidarysafa, S. Mendu, L. Barnes and D. Brown, “Text Classification Algorithms: A Survey,” Information, vol. 10, no. 4, pp. 1-68, 2019, doi: 10.3390/info10040150

S. Minaee, N. Kalchbrenner, E. Cambria, N. Nikzad, M. Chaenaghlu and J. Gao, “Deep Learning--based Text Classification: A Comprehensive Review,” ACM Computing Surveys, vol. 54, no. 3, pp. 1-40, 2021, doi: 10.1145/3439726

N. C. Dang, M. N. Moreno-Garcia and F. D. l. Prieta, “Sentiment Analysis Based on Deep Learning: A Comparative Study,” Electronics, vol. 9, no. 3, pp. 1-29, 2020, doi : 10.3390/electronics9030483.

D. Nurmadewi, Z. F. Jailani and N. K. S. Manik, “Comparison of the Performance of the VADER and RoBERTa Algorithms on Twitter,” Sistemasi: Jurnal Sistem Informasi,, vol. 13, no. 4, pp. 1547-1557, 2024, doi: 10.32520/stmsi.v13i4.4198

D. Nurmadewi, C. P. Gusti, E. C. Hernanto, F. Ananda, M. A. Hutagalung and N. Hikmah, “Analisis Sentimen untuk Melihat Respon Masyarakat Terhadap Vaksin Pfizer,” Journal of Technology and Informatics (JoTI), vol. 4, no. 2, pp. 77-80, 2023, doi: 10.37802/joti.v4i2.322

R. Illahi , S. Agustian and F. Yanto, “Klasifikasi Sentimen Menggunakan Bidirectional LSTM dan INDOBERT dengan Dataset Terbatas,” ZONAsi : Jurnal Sistem Informasi, vol. 7, no. 1, pp. 74-84, 2025, doi: 10.31849/zn.v7i1.25091.

H. Abijono, P. Puput and N. L. Anggreini, “Supervised Learning and Unsupervised Learning Algorithm in Data Processing,” G-Tech: Jurnal Teknologi Terapan, vol. 4, no. 2, pp. 315-318, 2021, doi: 10.33379/gtech.v4i2.635

D. Nurmadewi, S. Yuniati, M. Amaliah, H. Hanifah, U. B. Purwanti, M. S. Arum and N. W. Kusuma, “Sentiment Analysis of Jokowi’s Candidate Discourse in Three Periods using the Naïve Bayes Method,” Sistemasi: Jurnal Sistem Informasi, vol. 12, no. 1, pp. 166-177, 2023, doi: 10.32520/stmsi.v12i1.2413

E. I. Saputra, M. K. Anam, H. Hamdani and A. Zamsuri, “Optimalisasi Algoritma Support Vector Machine pada Aspect-Based Sentiment Analysis Menggunakan Gridsearchcv,” ZONAsi: Jurnal Sistem Informasi, vol. 7, no. 1, pp. 271-279, 2025, doi: 10.31849/zn.v7i1.17800.

G. P. Permana, D. A. Nugraha and H. Santoso, “Perbandingan Performa SVM dan NaÃive Bayes Pada Analisis Sentimen Aplikasi Game Online,” JOINTECS (Journal of Information Technology and Computer Science), vol. 9, no. 1, pp. 21-30, 2024, doi: 10.31328/jointecs.v8i1.4854

T. T. Khoei, S. Ismail, K. A. Shamaileh, V. K. Devabhaktuni and N. Kaabouch, “Pengaruh Parameter Dataset dan Model terhadap Kinerja Pembelajaran Mesin untuk Deteksi Serangan Pemalsuan GPS pada Pesawat Tanpa Awak,” Ilmu Terapan, vol. 13, no. 1, pp. 1-15, 2023, doi: 10.3390/app13010383.

N. Mirantika, R. Trisudarmo and T. S. Syamfithriani, “Implementation of Naïve Bayes Algorithm for Early Detection of Stunting Risk," Journal of Applied Informatics and Computing, vol. 9, no. 2, pp. 356-363, 2025, doi: 10.30871/jaic.v9i2.9144.

D. S. A. Rizki, M. S. Khabib, N. Rahmayuna and V. G. Utomo, “Klasifikasi Sentimen Ulasan Pengguna Aplikasi Layanan Publik Google Play Store Menggunakan NLP dan ML,” Jurnal Tekno Kompak, vol. 20, no. 1, pp. 51-64, 2025, doi: 10.33365/jtk.v20i1.586.

S. Khairunnisa, A. Adiwijaya and S. A. Faraby, "Pengaruh Text Preprocessing terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter (Studi Kasus Pandemi COVID-19)," Jurnal Media Informatika Budidarma, vol. 5, no. 2, pp. 406-414, 2021, doi: 10.30865/mib.v5i2.2835.

A. E. Budiman and A. Widjaja, "Analisis Pengaruh Teks Preprocessing Terhadap Deteksi Plagiarisme Pada Dokumen Tugas Akhir," Jutisi : Jurnal Teknik Informatika dan Sistem Informasi, vol. 6, no. 3, pp. 475-488, 2020, doi: 10.28932/jutisi.v6i3.2892.

R. Rinandyaswara, Y. A. Sari and M. T. Furqon, "Pembentukan Daftar Stopword Menggunakan Term Based Random Sampling Pada Analisis Sentimen Dengan Metode Naïve Bayes (Studi Kasus: Kuliah Daring Di Masa Pandemi)," Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 9, no. 4, pp. 717-724, 2022, doi: 10.25126/jtiik.2022934707.

M. U. Albab, Y. K. P. and M. N. Fawaiq, "Optimization of the Stemming Technique on Text Preprocessing President 3 Periods Topic," Jurnal Transformatika, vol. 20, no. 2, pp. 1-10, 2023, doi: 10.26623/transformatika.v20i2.5374.

V. M. Hersianty, E. L. Amalia, D. Puspitasari and D. W. Wibowo, "Penerapan Algoritma TF-IDF dan Cosine Similarity dalam Sistem Rekomendasi Lowongan Pekerjaan," JATI (Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 1, pp. 1619-1625, 2025, doi: 10.36040/jati.v9i1.12406.

M. S. Maulana, Y. Anshori, R. Azhar, R. Laila and N. T. Lapatta, "Implementasi Pembobotan TF-IDF pada Chatbot Telegram untuk Sistem Layanan Informasi," JIPI : Jurnal Ilmiah Penelitian dan Pembelajaran Informatika, vol. 10, no. 3, pp. 1869-1877, 2025, doi: 10.29100/jipi.v10i3.6314.

M. P. Syah, A. P. Wardani, M. Idhom and T. Trimono, "Perbandingan Representasi Teks Tf-Idf Dan Bert Terhadap Akurasi Cosine Similarity Dalam Penilaian Otomatis Jawaban Berbasis Teks," Jurnal Data Science Indonesia, vol. 5, no. 1, pp. 47-59, 2025, doi: 10.47709/dsi.v5i1.6021.

K. Huda, S. D. Pohan and Y. Herlina, "Penerapan Pembobotan Term Frequency-Invers Document Frequency dan Algoritma K-Nearest Neighbor untuk Analisis Ulasan Hotel di Situs Tripadvisor," Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 3, pp. 2536-2546, 2024, doi: 10.23960/jitet.v12i3.4800.

D. E. R. Purba, "Analisa Data Mining Dengan Naïve Bayes Untuk Klasifikasi Kelayakan Penerima Bantuan Iuran Jaminan Kesehatan Pada Desa Durian," Jurnal Multimedia Dan Teknologi Informasi (Jatilima), vol. 7, no. 2, pp. 11-23, 2025, doi: 10.54209/jatilima.v7i02.1279.

C. W. Nugroho, S. Tamriesfatno and S. Sulkifli, "Implementasi Algoritma Naive Bayes untuk Sistem Pendukung Keputusan Penerima Bantuan Pendidikan," Jurnal Publikasi Ilmu Komputer Dan Multimedia, vol. 4, no. 1, pp. 1-10, 2025, doi: 10.55606/jupikom.v4i1.4276.

R. Rachman and R. N. Handayani, “Klasifikasi Algoritma Naive Bayes Dalam Memprediksi Tingkat Kelancaran Pembayaran Sewa Teras UMKM,” Jurnal Informatika, vol. 8, no. 2, pp. 111-122, 2021, doi: 10.31294/ji.v8i2.10494, doi: 10.31294/ji.v8i2.10494.

A. W. Nugroho and N. Norhikmah, "Sentiment Analysis using the Support Vector Machine Algorithm on Covid_19," Sistemasi: Jurnal Sistem Informasi2, vol. 13, no. 4, pp. 1758-1772, 2024, doi: 10.32520/stmsi.v13i4.3778.

S. Rahayu and Y. Yamasari, "Klasifikasi Penyakit Stroke dengan Metode Support Vector Machine (SVM)," Journal of Informatics and Computer Science (JINACS), vol. 5, no. 3, pp. 440-446, 2024, doi: 10.26740/jinacs.v5n03.p440-446.

F. Putrawansyah and T. Susanti, “Application of the Support Vector Machine Method to the Classification of Guava Types,” JIKO (Jurnal Informatika dan Komputer), vol. 8, no. 1, pp. 193-204, 2024, doi: 10.26798/jiko.v8i1.988.

R. N. Irawan, K. M. Hindrayani and M. Idhom, "Penerapan Cross Validation sebagai Analisis Sentimen Pelayanan Publik Kereta Api Lokal Daop 8 Menggunakan Metode Multinomial Naïve Bayes," G-Tech: Jurnal Teknologi Terapan, vol. 8, no. 2, pp. 954-963, 2024, doi: 10.33379/gtech.v8i2.4117.

N. Blesyova and F. N. Hasan, "Analisis Snetimen Terhadap Bea Cukai Menggunakan Support Vector Machine dan K-Fold Cross Validation," JATI (Jurnal Mahasiswa Teknik Informatika), vol. 8, no. 6, pp. 12051-12056, 2024, doi: 10.36040/jati.v8i6.11774.

M. Z. Sarwani, M. Khoiron and M. Udin, "Optimization of the Naïve Bayes Classifier Algorithm Using Cost-Sensitive Learning to Detect Lung Diseases with an Imbalanced Dataset," Journal of Artificial Intelligence and Software Engineering, vol. 5, no. 1, pp. 332-338, 2025, doi: 10.30811/jaise.v5i1.6474.

W. Auwiyah and G. Erlianti, "Recall and Precision Temu Kembali Informasi Pada Repository Universitas Negeri Padang," Innovative: Journal Of Social Science Research, vol. 5, no. 4, pp. 1796-1804, 2025, doi : 10.31004/innovative.v5i4.20311.

M. K. Suryadewiansyah and T. E. E. Tju, “Naïve Bayes dan Confusion Matrix untuk Efisiensi Analisa Intrusion Detection System Alert,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 8, no. 2, pp. 81-88, 2022, doi: 10.25077/TEKNOSI.v8i2.2022.81-88.

F. Farahdinna and P. Prabawati, "Perbandingan Algoritma Support Vector Machine dan K-Nearest Neighborterhadap Efektivitas Program Makan Siang Gratis," Sistemasi: Jurnal Sistem Informasi, vol. 15, no. 2, pp. 699-709, 2026, doi: 10.36040/jati.v9i4.14084.

N. Maulana, M. R. Handayani, W. D. Yuniarti and K. Umam, "Penerapan Metode Support Vector Machine Dalam Mengklasifikasikan Berita Politik : Fakta Vs Hoaks,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 10, no. 3, pp. 2679-2688, 2025, doi: 10.29100/jipi.v10i3.8077.

K. H. Hanif, N. R. Muntiari, D. Harto and D. S. Wiranata, "Perbandingan Analisis Sentimen Komentar Mahasiswa Prodi Teknik Komputer Menggunakan Algoritma Decision Tree, Support Vector Machine (SVM) dan Random Forest," Insect (Informatics and Security): Jurnal Teknik Informatika, vol. 12, no. 1, pp. 24-33, 2026, doi: 10.33506/insect.v12i01.5144.

N. Aditiya, P. Setiaji and Supriyono, "Analisis Sentimen Kepuasan Masyarakat terhadap Aplikasi “INFO BMKG” menggunakan Naive Bayes, SVM, dan KNN," Sistemasi: Jurnal Sistem Informasi, vol. 14, no. 3, pp. 1418-1432, 2025.

N. F. Mahing, A. L. Gunawan, A. F. A. Zen, F. A. Bachtiar and S. A. Wicaksono, "Klasifikasi Tingkat Stress dari Data Berbentuk Teks dengan Menggunakan Algoritma Support Vector Machine (SVM) dan Random Forest," Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 11, no. 5, pp. 1067-1076, 2024, doi: 10.25126/jtiik.2024118010.

S. N. Halizah and S. Yunita, "Analisis Sentimen Jasa Pengiriman E-commerce Menggunakan Naïve Bayes," Riwayat: Educational Journal of History and Humanities, vol. 9, no. 2, pp. 3773-3793, 2026, doi: 10.24815/riwayat.v9i1.786.

S. A. Salsabila, B. Priyatna, A. Hananto and T. Tukino, "Komparasi Kinerja Model Naive Bayes, SVM, dan BERT dalam Klasifikasi Sentimen Ulasan Pada Aplikasi YUMMY," Storage: Jurnal Ilmiah Teknik dan Ilmu Komputer, vol. 4, no. 2, pp. 42-47, 2025, doi: 10.55123/storage.v4i2.5120.