Perbandingan Machine Learning dan Deep Learning dalam Analisis Sentimen Aplikasi dan E-Commerce

Abstract

Dalam era ekonomi digital yang berkembang pesat, ulasan pengguna pada platform e-commerce dan aplikasi mobile seperti Shopee, Tokopedia, serta aplikasi perbankan telah menjadi sumber informasi berharga yang mencerminkan tingkat kepuasan, keluhan, dan ekspektasi pelanggan. Namun, volume ulasan yang mencapai jutaan setiap hari menyebabkan analisis manual tidak lagi efektif dan efisien. Penelitian ini menggunakan metode Systematic Literature Review (SLR) untuk mengidentifikasi, mengevaluasi, dan membandingkan 50 artikel ilmiah yang relevan. Fokus utama adalah perbandingan kinerja metode machine learning (Naive Bayes, SVM, KNN, Random Forest) dan deep learning (LSTM, BERT, IndoBERT, serta model hybrid). Hasil analisis menunjukkan bahwa metode deep learning mendominasi literatur terbaru (2024–2025) dan secara konsisten menghasilkan akurasi lebih tinggi, yaitu berkisar antara 84% hingga 98,52%, dibandingkan machine learning yang lebih unggul dalam kecepatan dan efisiensi komputasi pada dataset berukuran kecil hingga menengah. Dataset yang paling dominan berasal dari ulasan e-commerce dan review aplikasi di Google Play Store. Penelitian ini menyimpulkan bahwa deep learning lebih optimal dalam memahami konteks bahasa Indonesia yang tidak baku dan kompleks, sedangkan machine learning tetap relevan untuk aplikasi yang memerlukan proses cepat dengan sumber daya terbatas.