ANALISIS SENTIMEN DENGAN METODE HIBRID PADA ULASAN PELANGGAN TERHADAP TRANSAKSI PEMBELIAN PRODUK E-COMMERCE

Akurasi ulasan pelanggan sangat penting bagi platform e-commerce untuk membantu pembeli dalam memilih produk berkualitas tinggi dari berbagai pilihan. Penelitian ini bertujuan untuk mengembangkan model analisis sentimen untuk mengevaluasi pendapat pelanggan yang diungkapkan dalam ulasan produk e-commerce. Pendekatan yang diusulkan menggunakan teknik Soft Voting (SV), yang menunjukkan akurasi yang lebih baik dibandingkan metode Sentiment Selector (SS) konvensional. Akurasi model analisis sentimen ditentukan dengan mengumpulkan nilai probabilitas dari tiga klasifikasi (Support Vector Machine (SVM), Random Forest (RF), dan Naive Bayes (NB)) untuk setiap kategori sentimen (positif, netral, negatif). Evaluasi dilakukan menggunakan dataset ulasan produk Tokopedia. Temuan menunjukkan bahwa model Soft Voting (SV) lebih baik daripada pendekatan Sentiment Selector (SS). Model SV yang diusulkan mencapai akurasi, presisi, recall, dan f1-score sebesar 69%, 70%, 69%, dan 69%, secara berturut-turut.