Mengukur Kepuasan Pengguna Aplikasi Shopee Dengan Menggunakan Rantai Markov Dan Naive Bayes Classifier Berbasis Analisis Sentimen

Shopee merupakan salah satu platform e-commerce terbesar di Asia Tenggara dengan volume ulasan pengguna yang sangat tinggi di Google Play Store, namun penelitian analisis sentimen sebelumnya hanya mengklasifikasikan ulasan berdasarkan kalimat tanpa mempertimbangkan transisi antar kata sehingga berpotensi mengurangi ketepatan klasifikasi. Oleh karena itu, Rantai Markov diintegrasikan dengan Naive Bayes Classifier untuk mempertimbangkan transisi antar kata dalam penelitian ini guna menganalisis kinerja klasifikasi sentimen ulasan pengguna Shopee sebagai indikator kepuasan pengguna serta membandingkan tingkat akurasinya dengan dan tanpa integrasi Rantai Markov. Untuk mencapai tujuan tersebut, data dikumpulkan melalui web scraping dalam tiga ukuran dataset yaitu 2.000, 5.000, dan 10.000 ulasan, kemudian diproses melalui case folding, stopword, tokenization, dan stemming, diekstraksi menggunakan TF-IDF, serta divisualisasikan menggunakan word cloud untuk menampilkan dan mengeluarkan kata yang paling sering muncul pada ulasan positif dan negatif sebagai tolak ukur kepuasan pelanggan pada aplikasi Shopee. selanjutnya klasifikasi dilakukan menggunakan Naive Bayes Classifier secara tunggal dan dikombinasikan dengan Rantai Markov. Hasil penelitian menunjukkan bahwa Naive Bayes Classifier tunggal menghasilkan akurasi tertinggi 83,93%, sedangkan kombinasi dengan Rantai Markov mencapai 84,42% pada dataset 10.000 ulasan, sehingga integrasi Rantai Markov terbukti lebih efektif untuk analisis sentimen berskala besar.

Kata kunci: E-commerce, Google Play Store, Naive Bayes Classifier, Rantai Markov, Analisis Sentimen, TF-IDF, Word Cloud