Eksperimen Komparatif 10 Algoritma Machine Learning untuk Analisis Sentimen Ulasan Tokopedia

Abstract

Penelitian ini bertujuan untuk mengevaluasi dan membandingkan kinerja sepuluh algoritma machine learning dalam tugas klasifikasi sentimen terhadap ulasan produk Tokopedia. Data yang digunakan berasal dari platform Kaggle dan terdiri dari 500 ulasan pengguna yang telah dilabeli secara biner berdasarkan rating. Metode yang diterapkan meliputi tahap praproses teks, representasi fitur menggunakan TF-IDF dan CountVectorizer, serta pelatihan model menggunakan berbagai algoritma seperti Naïve Bayes, SVM, Logistic Regression, Random Forest, dan MLPClassifier. Evaluasi dilakukan menggunakan metrik Accuracy, Precision, Recall, dan F1 Score. Hasil penelitian menunjukkan bahwa model Naïve Bayes dengan CountVectorizer mencapai F1 Score tertinggi sebesar 0,9225, diikuti oleh SVM dengan bigram dan MLPClassifier. Sementara itu, Logistic Regression menunjukkan performa yang stabil meskipun ditambahkan teknik regularisasi L2 dan reduksi dimensi PCA. Temuan ini menunjukkan bahwa kombinasi representasi fitur dan algoritma yang tepat dapat menghasilkan performa yang tinggi, bahkan pada model yang sederhana. Penelitian ini memberikan kontribusi dalam penerapan analisis sentimen berbasis machine learning pada domain e-commerce Indonesia.