Perpustakaan Digital ITB

Pembelajaran mesin dapat digunakan untuk meyelesaikan masalah klasifikasi teks dalam Tugas Akhir ini. Analisis sentimen adalah proses memahami pendapat terhadap suatu hal. Tugas Akhir ini berfokus pada analisis sentimen ulasan produk di platform e-commerce dengan menggunakan algoritma Naive Bayes Classifier yang dipadukan dengan teknik TF-IDF (Term Frequency-Inverse Document Frequency) dan N-Gram. Tujuan dari Tugas Akhir ini adalah untuk membuat model Naive Bayes Classifier kemudian mengklasifikasikan sentimen positif atau negatif dalam ulasan produk yang berguna untuk memberikan wawasan yang lebih mendalam tentang persepsi pelanggan terhadap suatu produk. Metode yang digunakan meliputi pengumpulan data ulasan produk dari situs e-commerce, pra-pemrosesan teks untuk menghilangkan noise, dan ekstraksi fitur dengan TF-IDF dan N-Gram untuk memodelkan teks secara numerik. Selanjutnya, algoritma Naive Bayes Classifier diterapkan untuk klasifikasi sentimen. Hasil Tugas Akhir menunjukkan bahwa penggunaan TF-IDF memberikan performa yang terbaik dalam klasifikasi sentimen dibandingkan metode kombinasi lainnya dengan akurasi sebesar 90.38%. Model yang dihasilkan menunjukkan akurasi yang tinggi dalam memprediksi sentimen ulasan produk.