ANALISIS PENDEKATAN MACHINE LEARNING UNTUK MEMPREDIKSI RATING BELANJA ONLINE PADA APLIKASI ONLINE SHOPPING MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE

Abstract

Konsumen yang pernah berbelanja di E-Commerce akan memberikan review/komentar terhadap produk yang telah dibeli. Kepercayaan pelanggan terhadap rating terhambat karena inkonsistensi jawaban seperti review yang memiliki teks negatif dengan nilai rating Positif. Untuk itu diperlukan suatu teknik untuk menyesuaikan antara rating dengan komentar maupun review atas barang yang dibeli untuk memudahkan konsumen ketika berbelanja langsung melihat rating tanpa membaca review/komentar pembeli sebelumnya. Adapun tujuan penelitian ini adalah melakukan klasifikasi terhadap komentar dan rating lalu memperoleh hasil akurasi sistem klasifikasi sehingga permasalahan diatas dapat terjawab. Penelitian ini menggunakan teknik klasifikasi Support Vector Machine dan Naive Bayes karena algoritma tersebut sangat baik dalam hal klasifikasi. Data yang digunakan adalah 1044 data komentar dan 1044 data rating. Data dikelompokkan ke kategori Bagus, Netral, Kurang bagus dengan menggunakan Phyton oleh Google Colab kemudian dibagi menjadi data latih dan data uji. Untuk menguji kemampuan sistem, data yang sudah di klasifikasi kemudian di analisa menggunakan Confussion matrix. Hasil penelitian menunjukkan Algoritma SVM mampu melakukan klasifikasi dengan tingkat akurasi untuk data latih adalah 91% dan untuk data uji adalah 71% sementara itu untuk klasifikasi Naive Bayes memiliki akurasi untuk data latih adalah 80% serta untuk data uji adalah 60%.