Perkembangan teknologi sangatlah cepat dimana banyak inovasi
aplikasi yang bermunculan. Dalam era digitalsaat ini, media sosialseperti twitter
telah menjadi platform yang sangat populer bagi pengguna untuk berbagi
pengalaman dan pendapat mereka tentang berbagailayanan dan produk, salah
satunya seperti ulasan pengguna terkait layanan aplikasi belanja online.
Aplikasi belanja online yang digunakan pada penelitian ini yaitu seperti
Shopee, Tokopedia dan Lazada. Sebagai layanan aplikasi belanja online,
masyarakat tentu perlu mempertimbangkan performa dari masing – masing
aplikasi belanja online. Data ulasanpengguna terkait layanan aplikasi belanja
online yang didapat dari Twitter API dijadikan sebagai obyek pada penelitian
ini. Sedangkan untuk teknik pengolahan data menggunakan teknik data mining
dimana ulasan pengguna yang didapatkan akan diklasifikasikan menjadi 3
kategori yaitu positif, negatif dan netral. Algoritma yang digunakan dalam
penelitian ini yaitu Naive Bayes dan Decision Tree (C4.5) untuk
mengklasifikasikan sentimen positif, negatif dan netral terhadap ulasan
pengguna aplikasi belanja online yang ada pada twitter. Variabelpengujian
yang dijadikan penentu pada penelitian ini adalah perhitungan akurasi, presisi
dan recall. Penelitian ini menggunakan bahasa pemrograman python dan tools
Visual Studio Code sebagai media pengujian penelitian ini. Penelitian ini
bertujuan agar para pengguna aplikasi belanja online dapat memilih aplikasi
belanja online yang terbaik dan dapat mengetahui performa dari algoritma
naive bayes dan Decision Tree (C4.5) dalam mengklasifikasi tweet sentimen.
Pada algoritma naïve bayes menghasilkan akurasi sebesar 0.65, presisi sebesar
0.67dan recall sebesar 0,46. Sedangkan, pada algoritma Decision Tree (C4.5)
menghasilkan akurasisebesar 0.63, presisi sebesar 0.51 dan recall sebesar 0.50.
Pada penelitian ini juga akan menghasilkan prototype yang digunakan untuk
membangun GUI Python.
Kata Kunci: Sistem Belanja Online , Naive Bayes, Decision Tree (C4.5),
Ulasan Pengguna