ANALISIS SENTIMEN ULASAN FILM PADA IMDB MENGGUNAKAN ALGORITMA NAÏVE BAYES

Abstract

Perkembangan teknologi informasi memungkinkan masyarakat untuk menyampaikan opini
melalui berbagai platform digital, termasuk dalam dunia hiburan. Situs IMDb merupakan
salah satu web untuk memberian ulasan film mengenai seberapa bagus film tersebut. Dalam
memberikan penilaian kualitas dari film yang telah disaksiakan tidak harus menjadi pakar
perfilman, semua orang dapat memberikan penilaian melalui situs tersebut. Banyaknya data ulasan
yang bersifat subjektif dan tidak terstruktur menyebabkan analisis sentimen secara manual menjadi
tidak efisien dan kurang akurat. Penelitian ini bertujuan membangun sistem klasifikasi sentimen
menggunakan algoritma Naïve Bayes yang dikenal efektif dalam pengolahan data teks. Metodologi
yang digunakan dalam pengumpulan data meliputi preprocessing teks cleansing, tokenizing,
stopword removal dan stemming, pelabelan berdasarkan rating, pembobotan kata
menggunakan metode TF-IDF, serta pelatihan dan pengujian model klasifikasi dengan evaluasi
menggunakan confusion matrix. Film Oppenheimer merupakan studi kasus dalam pengujian ini.
Data yang digunakan Adalah 1000 ulasan dalam format CSV. Hasil penelitian menunjukkan bahwa
algoritma Naïve Bayes mampu mengklasifikasikan sentimen ulasan film dengan akurasi yang
tinggi yaotu 90%. Kesimpulannya, model ini dapat digunakan sebagai solusi otomatis dan
efisien dalam memahami opini publik terhadap film