Kursus Python: Klasifikasi Sentimen Ulasan Produk E-Commerce Menggunakan Naïve Bayes Berbasis Python

Berikut adalah silabus 20 sesi untuk topik “Klasifikasi Sentimen Ulasan Produk E-Commerce Menggunakan Naïve Bayes Berbasis Python”.

Tahap 1: Pengenalan dan Persiapan Dataset (Sesi 1–5)

• Pengenalan Sentiment Analysis dan NLP Apa itu analisis sentimen?

• Studi kasus pada e-commerce

• NLP vs Machine Learning

• Pengenalan Algoritma Naïve Bayes Konsep dasar probabilitas Bayes

• Multinomial vs Bernoulli Naïve Bayes

• Kenapa cocok untuk teks?

• Pengantar Python untuk NLP Review Python dasar: list, string, loop

• Library utama: pandas , numpy , nltk , sklearn

• Persiapan Dataset Ulasan E-Commerce Contoh dataset (Amazon, Shopee, Tokopedia)

• Label sentimen: positif, negatif, netral

• Exploratory Data Analysis (EDA)

• Pra-pemrosesan Teks Case folding, tokenisasi, stopword removal

• Stemming dan Lemmatization

• Penerapan nltk dan Sastrawi

Tahap 2: Feature Engineering dan Model Training (Sesi 6–10)

• Representasi Teks: Bag of Words Skema BOW: frekuensi kata

• CountVectorizer dari sklearn

• Representasi Teks: TF-IDF Konsep dasar TF-IDF

• TfidfVectorizer dan pembobotan kata

• Pemisahan Data dan Data Balancing Train-test split

• Oversampling & undersampling jika data tidak seimbang

• Training Model Naïve Bayes MultinomialNB dan BernoulliNB

• Cross-validation dan evaluasi awal

• Evaluasi Kinerja Model

• Confusion matrix

• Accuracy, Precision, Recall, F1-Score

⚙️ Tahap 3: Peningkatan Model (Sesi 11–15)

• Hyperparameter Tuning Naïve Bayes