TINJAUAN LITERATUR ANALISIS SENTIMEN PRODUK E-COMMERCE: DATASET, PENDEKATAN, METODE, DAN PERFORMA

Abstract

Analisis sentimen terhadap ulasan produk e-commerce telah menjadi alat penting untuk memahami preferensi dan kepuasan pelanggan. Tinjauan literatur sistematis (SLR) ini mengevaluasi 78 penelitian dari tahun 2020 hingga 2024 untuk mengidentifikasi dataset, metode, dan perfor-ma da-lam analisis sentimen produk e-commerce. Hasil penelitian menunjukkan bahwa metode hibrida, seperti Lexicon-BERT Compara-tive Framework dan Blockchain-LSTM Hybrid, mencatat akurasi tertinggi hingga 98,2%, sementara pendekatan berbasis logika fuzzy seperti Q-Rung Orthopair Fuzzy memiliki keterbatasan skalabilitas dengan akurasi terendah 0,74%. Dataset dari platform besar seperti Am-azon, Jingdong, dan Flipkart dom-inan digunakan, meskipun tantangan seperti inkonsistensi label dan ketid-akseimbangan kelas masih menjadi hambatan. Rekomendasi untuk penelitian lanjutan mencakup pengem-bangan model hibrida yang meng-gabungkan NLP lanjutan dengan teknologi blockchain, teknik pe-nanganan data tidak seimbang, serta integrasi data multimodal. Temuan ini menegaskan peran analisis sen-timen sebagai fondasi strategis untuk pengambilan keputusan bisnis, inovasi produk, dan peningkatan pengala-man pelanggan di era digital.