Klasifikasi Naïve Bayes dan Confusion Matrix pada Pengguna Aplikasi E-Commerce di Play Store
DOI:
https://doi.org/10.35316/jimi.v8i2.132-139Kata Kunci:
Confusion Matrix, E-commerce, Klasifikasi Naive Bayes, Play store, ShopeeAbstrak
Shopee merupakan aplikasi e-commerce yang sangat populer di kalangan masyarakat Indonesia. Shopee merupakan pusat layanan belanja online yang banyak diminati oleh masyarakat Indonesia dan menawarkan banyak jenis produk. Selain itu, aplikasi shopee memiliki fitur-fitur salah satunya adalah shopee food dan shopee pay yang membedakan aplikasi shopee dengan aplikasi e-commerce lainnya. Meskipun pengguna aplikasi shopee sudah banyak, tentunya tidak semua review dan rating yang diberikan oleh pengguna adalah baik sebagai acuan untuk memperbaiki fitur aplikasi shopee. Dalam melakukan penelitian, diperlukan suatu metode yang dapat mengklasifikasikan data ulasan menjadi ulasan positif dan negatif. Salah satu yang menyediakan fitur review dan rating adalah aplikasi Play Store. Pada penelitian ini, dengan menggunakan 1528 data ulasan, label kelas positif dan negatif adalah kategori yang digunakan. Metode klasifikasi machine learning yang digunakan adalah klasifikasi Naïve Bayes. Hasil dari pengujian akurasi klasifikasi metode tersebut diukur dengan menggunakan confusion matrix. Sehingga didapatkan hasil akurasi dengan menggunakan klasifikasi Naïve Bayes sebesar 0.87 atau 87%. Berdasarkan hasil tersebut, dengan menggunakan klasifikasi Naïve Bayes mendapatkan hasil akurasi yang tinggi pada proses klasifikasi data ulasan pada penelitian pengguna aplikasi Shopee di Play Store.
Unduhan
Referensi
K. Laudon C and J. Laudon P, Management Information Systems Thirteenth Edition Global Edition. 2014.
W. Social, Are, “Penggunaan E-Commerce Indonesia Tertinggi di Dunia,” KataData, no. April, p. 2021, 2021, [Online]. Available: https://databoks.katadata.co.id/datapublish/2021/06/04/penggunaan-e-commerce-indonesia-tertinggi-di-dunia.
Romindo et al., E-Commerce: Implementasi, Strategi dan Inovasinya. 2019.
IPrice, “10 E-Commerce dengan Pengunjung Terbanyak Kuartal I 2022,” Katadata, p. 2022, 2022, [Online]. Available: https://databoks.katadata.co.id/datapublish/2022/07/19/10-e-commerce-dengan-pengunjung-terbanyak-kuartal-i-2022.
D. Yani, Deviacita, S. Pratiwi, Helen, and H. Muhardi, “Implementasi Web Scraping untuk Pengambilan Data pada Situs Marketplace,” Jurnal Sistem dan Teknologi Informasi (JUSTIN), vol. 7, no. 4, p. 257, 2019, doi: 10.26418/justin.v7i4.30930.
K. Suryadewiansyah, Muhammad and T. Tju, Eng, Endra, “Naïve Bayes dan Confusion Matrix untuk Efisiensi Analisa Intrusion Detection System Alert,” vol. 08, no. 02, pp. 81–88, 2022.
D. Normawati and S. Prayogi, Aliit, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” vol. 5, no. November 2019, pp. 697–711, 2021.
Riskania and F. Thalib, “Jurnal Teknologi,” Jurnal Teknologi, vol. 8, no. 1, pp. 31–39, 2020, [Online]. Available: www.jurnalteknologi.utm.my.
A. Kusuma and H. N. Irmanda, “Analisis Sentimen Pada Ulasan Aplikasi Indodax di Google Play Store Menggunakan Metode Support Vector Machine,” vol. 3, no. 2, pp. 563–574, 2022.
R. Prasetya, “Data Mining Application on Weather Prediction Using Classification Tree, Naïve Bayes and K-Nearest Neighbor Algorithm With Model Testing of Supervised Learning Probabilistic Brier Score, Confusion Matrix and ROC,” Jaict, vol. 4, no. 2, p. 25, 2020, doi: 10.32497/jaict.v4i2.1690.
I. Cholissodin and A. A. Soebroto, “AI , Machine Learning & Deep Learning ( Teori & Implementasi ),” 2021.
