Klasifikasi Sentimen Ulasan Produk Shopee Menggunakan Jaringan Syaraf Tiruan Backpropagation dan Random Forest

Abstract

Pertumbuhan pesat e-commerce di Indonesia telah meningkatkan jumlah ulasan produk yang tersedia secara daring, khususnya pada platform Shopee. Untuk mengelola data ulasan yang besar secara efisien, diperlukan metode klasifikasi sentimen berbasis kecerdasan buatan. Penelitian ini membandingkan performa algoritma Jaringan Syaraf Tiruan (JST) dengan Backpropagation dan Random Forest. Dataset yang digunakan diperoleh dari Kaggle dan diproses melalui tahapan tokenisasi, stemming, serta ekstraksi fitur menggunakan TF-IDF. Evaluasi menggunakan metrik akurasi, presisi, dan recall menunjukkan bahwa JST Backpropagation menghasilkan akurasi 87,5%, presisi 88,2%, dan recall 86,4%, lebih unggul dari Random Forest yang mencapai akurasi 84,1%, presisi 85,7%, dan recall 82,0%. Hasil ini menunjukkan bahwa JST Backpropagation lebih efektif dalam mengklasifikasikan sentimen ulasan Shopee dan dapat diterapkan dalam sistem analisis sentimen berbasis teks lainnya.