Analisis Sentimen Pengguna Iphone Pada Platform E-Commerce Menggunakan Algoritma Text Mining dan TF-IDF
Keywords:
Analisis Sentimen, iPhone, E-Commerce, Text Mining, TF-IDF, ShopeeAbstract
Ulasan pengguna pada platform e-commerce merupakan sumber data teks yang sangat berharga untuk mengetahui persepsi konsumen terhadap suatu produk. Namun, jumlah ulasan yang besar dan bersifat tidak terstruktur menyulitkan proses pemahaman informasi secara manual. Penelitian ini bertujuan untuk menganalisis sentimen pengguna iPhone pada platform e-commerce Shopee menggunakan pendekatan text mining dan metode Term Frequency-Inverse Document Frequency (TF-IDF). Data yang digunakan berjumlah 250 ulasan berbahasa Indonesia yang diperoleh dari kolom ulasan produk iPhone di Shopee. Tahapan penelitian meliputi praproses teks (case folding, tokenizing, filtering, dan stemming), visualisasi word cloud, klasifikasi kata konotasi positif dan negatif, serta pembobotan kata menggunakan metode TF-IDF untuk menentukan kecenderungan sentimen. Hasil penelitian menunjukkan bahwa sentimen positif memperoleh persentase sebesar 77,80%, sedangkan sentimen negatif sebesar 22,20%, yang mengindikasikan bahwa mayoritas pengguna merasa puas terhadap produk iPhone yang dibeli melalui Shopee, terutama pada aspek keamanan pengiriman, kualitas, dan keaslian produk. Evaluasi kinerja model menggunakan Confusion Matrix menghasilkan nilai Accuracy sebesar 99,20%, Precision 99,47%, Recall 99,47%, F1-Score 99,47%, dan Cohen's Kappa sebesar 97,88% yang termasuk kategori Almost Perfect Agreement. Hasil ini membuktikan bahwa metode text mining dan TF-IDF efektif digunakan untuk menganalisis sentimen ulasan pengguna secara objektif dan akurat. Penelitian ini juga menghasilkan sistem analisis sentimen berbasis web yang menyajikan hasil analisis melalui dashboard interaktif berupa statistik sentimen, distribusi sentimen, word cloud, dan riwayat ulasan.
References
Astuti, K. C., Firmansyah, A., & Riyadi, A. (2024). Implementasi text mining untuk analisis sentimen masyarakat terhadap ulasan aplikasi digital Korlantas Polri pada Google Play Store. Riset Dan E-Jurnal Manajemen Informatika Komputer, 8(1), 384–394.
Badan Pusat Statistik. (2023). Statistik e-commerce 2023.
Bourequat, W., & Mourad, H. (2021). Sentiment analysis approach for analyzing iPhone release using support vector machine. International Journal of Advances in Data and Information Systems, 2(1), 36–44.
Clara, S., Laksmi Prianto, D., Al Habsi, R., Friscila Lumbantobing, E., Chamidah, N., Kom, S., Kom, M., Informatika, J., Ilmu Komputer, F., Pembangunan Nasional Veteran Jakarta Jl Fatmawati Raya, U. R., Labu, P., Cilandak, K., & Depok, K. (2021). Implementasi Seleksi Fitur Pada Algoritma Klasifikasi Machine Learning Untuk Prediksi Penghasilan Pada Adult Income Dataset. In Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA) Jakarta-Indonesia.
Fadli, M., & Saputra, R. A. (2023). KLASIFIKASI DAN EVALUASI PERFORMA MODEL RANDOM FOREST UNTUK PREDIKSI STROKE Classification And Evaluation Of Performance Models Random Forest For Stroke Prediction. 12. http://jurnal.umt.ac.id/index.php/jt/index
Fithri, P., Muluk, A., & Rayhanda, R. H. (2024). Perancangan User Interface (UI) dan User Experience (UX) pada Sistem Informasi PT. XYZ. Jurnal Nasional Teknologi Dan Sistem Informasi, 9(3), 280–289. https://doi.org/10.25077/TEKNOSI.v9i3.2023.280-289
Gultom, Z. A., Nazry, H. W., Syahra, Y., & Zulherry, A. (2025). Analisis pengaruh angka buta aksara di Indonesia. Jurnal Sistem Informasi Triguna Dharma. Jurnal Sistem Informasi Triguna Dharma, 4(1), 82–89.
Hasugian, A. H., Fakhriza, M., & Zukhoiriyah, D. (2023). Analisis Sentimen Pada Review Pengguna E-Commerce Menggunakan Algoritma Naïve Bayes. J-SISKO TECH: Jurnal Teknologi Sistem Informasi Dan Sistem Komputer TGD, 6(1), 98–107.
Hermawati, L., Berland, V., Rahmadiah, A., Hutabarat, E., & Dwi Saputra, D. (2023). Komparasi metode text mining terhadap masalah pengklasifikasian narasi informative & non informative pada Twitter @PLN_123. Jurnal Sistim Informasi Dan Teknologi, 5(1), 109–120.
Jabar, A. A., Farta Wijaya, R., & Wahyuni, S. (2025). DASHBOARD VISUALISASI DATA KECERDASAN BISNIS UNTUK MENDUKUNG PENGAMBILAN KEPUTUSAN BISNIS PADA PT BMPT. Jurnal Teknologi Informasi, 6(1). https://doi.org/10.46576/djtechno
Julianto, I. T., & Lindawati, L. (2022). Analisis Sentimen Terhadap Sistem Informasi Akademik Institut Teknologi Garut. Jurnal Algoritma, 19(1), 458–468. https://doi.org/10.33364/algoritma/v.19-1.1112
Limbong, J. J. A., Sembiring, I., & Hartomo, K. D. (2022). Analisis Klasifikasi Sentimen Ulasan pada E-Commerce Shopee Berbasis Word Cloud dengan Metode Naive Bayes dan K-Nearest Neighbor. Jurnal Teknologi Informasi Dan Ilmu Komputer (JTIIK), 9(2), 347–356.
Musfiroh, M., Tholib, A., & Arifin, Z. (2024). Analisis Sentimen Terhadap Ulasan Aplikasi Shopee di Google Play Store Menggunakan Metode TF-IDF dan Long Short-Term Memory. J. Electr. Eng. Comput, 6(2), 371–381.
Nafiisa B. L., Putri Y. N. W., & Ayunin Q. (2022). Dashboard Visualisasi Data UMK Sebagai Alat Pengambilan Keputusan Menggunakan Microsoft Power BI. Jurnal Akuntansi Dan Manajemen, 17(2), 86–105.
Najiyah, I., & Hariyanti, I. (2021). Sentimen analisis covid-19 dengan metode probabilistic neural network dan tf-idf. Jurnal Responsif: Riset Sains Dan Informatika, 3(1), 100–111.
Nugraha, F. A., & A. Susetyo, Y. (2023). ANALISIS PERBANDINGAN PERFORMA DATABASE DUCKDB DAN SQLITE PADA PENGOLAHAN BIG DATA. JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika), 8(3), 1052–1060. https://doi.org/10.29100/jipi.v8i3.4032
Nurhayati, E., & Agussalim, A. (2023). Rancang Bangun Back-end API pada Aplikasi Mobile AyamHub Menggunakan Framework Node JS Express. Jurnal Sistem Dan Teknologi Informasi (JustIN), 11(3), 524. https://doi.org/10.26418/justin.v11i3.66823
Pradhisa K. C., & Fajriyah R. (2024). Analisis Sentimen Ulasan Pengguna E-commerce di Google Play Store Menggunakan Metode IndoBERT. Building of Informatics, Technology and Science (BITS), 6(1), 92–104. https://doi.org/10.47065/bits.v6i1.5247
Rifaldi, D., & Fadlil, A. (2023). Teknik preprocessing pada text mining menggunakan data tweet “mental health.” Decode: Jurnal Pendidikan Teknologi Informasi, 3(2), 161–171.
Rivaldi, R. C., & Wismarini, T. D. (2024). Analisis Sentimen Pada Ulasan Produk Dengan Metode Natural Language Processing (NLP):(Studi Kasus Zalika Store 88 Shopee). Elkom: Jurnal Elektronika Dan Komputer, 17(1), 120–128.
Rosiana, P. S., Voutama, A., & Ridha, A. A. (2023). Perancangan Ui/Ux Sistem Informasi Pembelian Hasil Tani Berbasis Mobile Dengan Metode Design Thinking. Jurnal Informatika Dan Teknik Elektro Terapan, 11(3).
Rosnelly, R., Wahyuni, L., Melvy Anggraini, G., & Lazuli, I. (2023). Implementasi Javascript Dalam Pembuatan Web Sederhana Javascript Implementation in Making a Simple Web. Community Service Journal) e-ISSN, 2(1), 116–123. https://doi.org/10.22303/coral.2.1.2023.116-123
Sapanji, R. A. E. V. T., Hamdani, D., & Harahap, P. (2023). Sentiment Analysis of the Top 5 E-commerce Platforms in Indonesia using Text Mining and Natural Language Processing (NLP). Journal of Applied Informatics and Computing, 7(2), 202–211.
Saputra, A. A., Pakpahan, A. G. S., Kurtubi, A., Amiruddin, A., Fridaniarta, B., Wicaksono, E. Y., Saputra, H., Putra, M. Y. A., & Azahra, R. Y. (2023). PELATIHAN DAN PEMBUATAN WEBSITE MENGGUNAKAN HTML DAN CSS. Beujroh : Jurnal Pemberdayaan Dan Pengabdian Pada Masyarakat, 1(1), 119–125. https://doi.org/10.61579/beujroh.v1i1.41
Sari, D. B. I., & Kusuma, K. A. (2023). Perceptions of Shopee and Tokopedia: UMSIDA Management Students’ Comparative Analysis: Analisis Komparatif E-commerce Shopee dan Tokopedia: Pandangan Mahasiswa Program Studi Manajemen UMSIDA. Academia Open, 8(1), 10–21070.
Septiani, D., & Isabela, I. (2022). Analisis term frequency inverse document frequency (tf-idf) dalam temu kembali informasi pada dokumen teks. Sistem Dan Teknologi Informasi Indonesia (SINTESIA), 1(2), 81–88.
Simatupang, M. P., & Utomo, D. P. (2019). Analisa Testimonial Dengan Menggunakan Algoritma Text Mining Dan Term Frequency-Inverse Document Frequence (Tf-Idf) Pada Toko Allmeeart. KOMIK (Konferensi Nasional Teknologi Informasi Dan Komputer), 3(1), 808–814.
Sinaga, A., & Nainggolan, S. P. (2023). Analisis perbandingan akurasi dan waktu proses algoritma stemming Arifin-Setiono dan Nazief-Adriani pada dokumen teks Bahasa Indonesia. Sebatik, 27(1), 63–69.
Ubaidillah F. R, Anjani Arifiyanti, A., Luhur Indayanti Sugata Sistem Informasi, T., Pembangunan Nasional Veteran Jawa Timur JlRaya Rungkut Madya, U., & Anyar, G. (2025). ANALISIS SENTIMEN BERBASIS ASPEK PADA ULASAN APLIKASI MIDI KRIING MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM). In Jurnal Mahasiswa Teknik Informatika) (Vol. 9, Number 3).
