Perbandingan Metode Machine Learning Klasik (Naive Bayes dan SVM) dan IndoBERT untuk Analisis Sentimen Ulasan Produk pada Platform Tokopedia
Abstract
Penelitian ini dilatarbelakangi oleh meningkatnya jumlah ulasan produk pada platform e-commerce yang menghasilkan data teks dalam jumlah besar dan tidak terstruktur sehingga memerlukan metode analisis sentimen yang efektif. Tujuan penelitian ini adalah untuk membandingkan kinerja metode machine learning klasik (Naive Bayes dan Support Vector Machine) dengan model deep learning IndoBERT dalam klasifikasi sentimen ulasan produk Tokopedia. Penelitian ini menggunakan pendekatan kuantitatif dengan metode eksperimen komparatif. Data yang digunakan merupakan dataset sekunder dari Kaggle yang terdiri dari ulasan produk Tokopedia. Proses analisis dilakukan melalui tahap preprocessing, ekstraksi fitur TF-IDF untuk model klasik, serta fine-tuning IndoBERT untuk model berbasis transformer. Evaluasi model menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa IndoBERT memberikan performa terbaik dengan accuracy 97,80% dan F1-score 97,66%, diikuti oleh SVM dan Naive Bayes. Meskipun perbedaan akurasi relatif kecil, IndoBERT menunjukkan kemampuan lebih baik dalam mengenali kelas sentimen minoritas seperti negatif dan netral. Kesimpulannya, model berbasis transformer lebih unggul dalam menangkap konteks bahasa dibandingkan metode klasik, terutama pada dataset yang tidak seimbang.
Downloads
References
A. U. El Majid dan R. Nuari, “Perbandingan Kinerja Metrik Bert Dan Model Machine Learning Klasik (Svm, Naive Bayes) Untuk Analisis Sentimen,” Jurnal INOVTEK Polbeng-Seri Informatika, vol. 10, no. 2, hlm. 2025, Jul 2025.
A. Arasy, S. Agustian, L. Handayani, dan I. Iskandar, “Klasifikasi Sentimen Menggunakan Metode Multilayer Perceptron dengan Fitur TF-IDF,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 5, no. 3, hlm. 908–919, Jun 2025, doi: 10.57152/malcom.v5i3.2052.
C. Fan, M. Chen, X. Wang, J. Wang, dan B. Huang, “A Review on Data Preprocessing Techniques Toward Efficient and Reliable Knowledge Discovery From Building Operational Data,” 29 Maret 2021, Frontiers Media S.A. doi: 10.3389/fenrg.2021.652801.
D. U. P. Putri dkk., Metodologi Penelitian Karya Ilmiah, Pertama. Pidie : Yayasan Penerbit Muhammad Zaini, 2025.
Riki, S. Eliesse Dameria, A. Hermawan, Junaedi, dan Y. Kurnia, “Optimizing Sentiment Classification of E-Commerce Product Reviews: a Comparative Study of Naïve Bayes and SVM with SMO,” JUITA, vol. 13, no. 3, hlm. 287–295, Nov 2025, doi: https://doi.org/10.30595/juita.v13i3.26642.
J. Saputra, L. Maryani, D. Wulandari, dan W. Eka, “Analisis Performa Naive Bayes dan SVM terhadap Sentimen Teks Media Sosial dengan Word2Vec dan SMOTE under a Creative Commons Attribution-NonCommercial ShareAlike 4.0 International (CC BY-NC-SA 4.0),” vol. 10, no. 1, 2025, [Daring]. Tersedia pada: https://journal.uin-alauddin.ac.id/index.php/instek
S. Ulasan Pada Aplikasi YUMMY dkk., “Komparasi Kinerja Model Naive Bayes, SVM, dan BERT dalam Klasifikasi.,” vol. 4, no. 2, hlm. 42–47, 2025, doi: 10.55123.
Wahyu Widyananda, Maskur, dan Ahmad Fauzi, “Machine Learning and Transformer-based Model for Sentiment Analysis of Indonesian E-Commerce Reviews,” The Indonesian Journal of Computer Science, vol. 14, no. 4, Agu 2025, doi: 10.33022/ijcs.v14i4.4980.
I. Mursidah, R. Sanjaya, B. Yulianto, D. Sweetania, dan P. Sularsih, “Klasifikasi Sentimen Google Play Store Aplikasi ChatGPT Berbahasa Indonesia Berbasis IndoBERT,” Jurnal Minfo Polgan, vol. 14, no. 2, hlm. 3349–3359, Des 2025, doi: 10.33395/jmp.v14i2.15751.
Y. J. Purnomo, “Digital Marketing Strategy to Increase Sales Conversion on E-commerce Platforms,” Journal of Contemporary Administration and Management (ADMAN), vol. 1, no. 2, hlm. 54–62, Agu 2023, doi: 10.61100/adman.v1i2.23.
K. Sahrudin, H. P. Faddil, dan S. P. Faddila, “Pengaruh Ulasan Produk dan Rating Pengguna terhadap Keputusan Pembelian di Platform E-Commerce,” SENTRI: Jurnal Riset Ilmiah, vol. 4, no. 8, hlm. 1666–1674, Agu 2025, doi: 10.55681/sentri.v4i8.4430.
M. Afdal, L. Rahma Elita, P. Studi Sistem Informasi, F. H. Sains dan Teknologi UIN Suska Riau Jl Soebrantas KM, dan P. Pekanbaru -Riau, “PENERAPAN TEXT MINING PADA APLIKASI TOKOPEDIA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR,” Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi, vol. 8, no. 1, 2022.
R. Siringoringo, “Text Mining dan Klasterisasi Sentimen Pada Ulasan Produk Toko Online.”
M. N. O. Sadiku, Y. Zhou, dan S. M. Musa, “Natural Language Processing,” International Journal of Advances in Scientific Research and Engineering, vol. 4, no. 5, hlm. 68–70, 2018, doi: 10.31695/IJASRE.2018.32708.
Trisnaeni Faradaningsih dan Anisa Lutfiyani, “Perbandingan Analisis Sentimen Pengguna Aplikasi Shopee dan Lazada pada Situs Google Play Store Menggunakan Algoritma K-Nearst Neighbor dan Naive Bayes,” INSOLOGI: Jurnal Sains dan Teknologi, vol. 4, no. 3, hlm. 563–578, Jun 2025, doi: 10.55123/insologi.v4i3.5646.
Abd. A. Syam, G. Hardy M, A. Salim, D. F. Surianto, dan M. Fajar B, “ANALISIS TEKNIK PREPROCESSING PADA SENTIMEN MASYARAKAT TERKAIT KONFLIK ISRAEL-PALESTINA MENGGUNAKAN SUPPORT VECTOR MACHINE,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 9, no. 3, hlm. 1464–1472, Agu 2024, doi: 10.29100/jipi.v9i3.5527.
Muh. H. Asshiddiq dan A. Witanti, “Analisis Sentimen tentang Penundaan Pengangkatan CPNS 2025 pada Platform X Menggunakan Metode IndoBERT,” Jurnal teknika, vol. 17, no. 2, hlm. 97–108, Sep 2025, doi: 10.30736/jt.v17i2.1448.
H. T. Duong dan T. A. Nguyen-Thi, “A review: preprocessing techniques and data augmentation for sentiment analysis,” Comput. Soc. Netw., vol. 8, no. 1, Des 2021, doi: 10.1186/s40649-020-00080-x.
E. H. Muktafin, K. Kusrini, dan E. T. Luthfi, “Analisis Sentimen pada Ulasan Pembelian Produk di Marketplace Shopee Menggunakan Pendekatan Natural Language Processing,” Jurnal Eksplora Informatika, vol. 10, no. 1, hlm. 32–42, Sep 2020, doi: 10.30864/eksplora.v10i1.390.
Nida Nur Aini Aryanti dan Ozzi Suria, “ANALISIS SENTIMEN TERHADAP PEMUTUSAN HUBUNGAN KERJA DI INDONESIA : KOMPARASI INDOBERT DENGAN SVM, RANDOM FOREST, DAN DECISION TREE DENGAN OPTIMASI TF - IDF,” Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, vol. 10, no. 2, hlm. 1158–1176, Jul 2025, doi: 10.36341/rabit.v10i2.6364.
F. Alzami, E. D. Udayanti, D. P. Prabowo, dan R. A. Megantara, “Document Preprocessing with TF-IDF to Improve the Polarity Classification Performance of Unstructured Sentiment Analysis,” Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control, hlm. 235–242, Agu 2020, doi: 10.22219/kinetik.v5i3.1066.
I. Anbi Fahrezi, N. Azmi Verdikha, dan U. Muhammadiyah Kalimantan Timur, “Analisis Sentimen Twitter Atas Isu Hak Angket Menggunakan Pembobotan TF-IDF dan Algoritma SVM,” 2024.
S. Mazya Permataning Tyas, R. Sarno, dan B. Setya Rintyarna, “Analisis Perbandingan Metode Klasifikasi Sentimen Berita Saham: Pendekatan Machine Learning, Deep Learning, Transfer Learning, dan Graf,” 2024.
F. Alfiansyah Zahari, A. Halim Anshor, S. Budi Rahardjo, dan P. Korespondensi, “ANALISIS SENTIMEN TERHADAP PELUNCURAN MACBOOK MODEL TERBARU PADA TWITTER DENGAN METODE NAIVE BAYES,” Jurnal Restikom : Riset Teknik Informatika dan Komputer, vol. 5, no. 2, hlm. 169–178, 2023, [Daring]. Tersedia pada: https://restikom.nusaputra.ac.id
T. Suprapti dan R. Narasati, “IMPLEMENTASI ALGORITMA NAIVE BAYES UNTUK ANALISIS SENTIMEN ULASAN PRODUK MAKANAN DAN MINUMAN DI TOKOPEDIA,” 2024.
M. Fluorida Fibrianda dan A. Bhawiyuga, “Analisis Perbandingan Akurasi Deteksi Serangan Pada Jaringan Komputer Dengan Metode Naïve Bayes Dan Support Vector Machine (SVM),” 2018. [Daring]. Tersedia pada: http://j-ptiik.ub.ac.id
Muh. H. Asshiddiq dan A. Witanti, “Analisis Sentimen tentang Penundaan Pengangkatan CPNS 2025 pada Platform X Menggunakan Metode IndoBERT,” Jurnal teknika, vol. 17, no. 2, hlm. 97–108, Sep 2025, doi: 10.30736/jt.v17i2.1448.
P. Maxmiliano, Y. Finsensia Riti, I. Y. Nugroho, C. Erlisto, dan C. Juniarto, “Perbandingan Algoritma Naive Bayes dan Bert untuk Analisis Sentimen Ulasan Produk Shopee Berdasarkan Rating dan Atribut Produk (Warna/Kategori),” 2019.
Nurcholilah, Suherman, dan A. Halim Anshor, “Analisis Sentimen Masyarakat Pada Twitter Terhadap Kasus HIV/AIIDS Di Indonesia Menggunakan Algoritma Naïve Bayes,” Jurnal Ilmiah Wahana Pendidikan, Juli, vol. 2023, no. 14, hlm. 584–599, doi: 10.5281/zenodo.8185186.
Copyright (c) 2026 Endah Kurnia Fitri, Abdul Halim Anshor, M. Syaibani Anwar
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
