Perbandingan Kinerja Multinomial Naïve Bayes pada Variasi Rasio Data Training dan Testing dalam Analisis Sentimen Ulasan Taman Rakyat Slawi Ayu

Abstrak

Analisis sentimen merupakan salah satu teknik text mining yang digunakan untuk mengidentifikasi opini masyarakat terhadap suatu objek atau layanan. Taman Rakyat Slawi Ayu sebagai salah satu ruang terbuka hijau di Kabupaten Tegal menerima berbagai ulasan pengunjung melalui Google Maps yang dapat dimanfaatkan sebagai sumber informasi untuk mengevaluasi kualitas layanan dan fasilitas. Penelitian ini bertujuan membandingkan kinerja algoritma Multinomial Naïve Bayes pada variasi rasio pembagian data training dan testing dalam analisis sentimen ulasan Taman Rakyat Slawi Ayu. Data diperoleh melalui teknik web crawling pada Google Maps dan menghasilkan 4.153 ulasan. Setelah proses seleksi data, diperoleh 1.794 ulasan yang memenuhi kriteria analisis. Tahap preprocessing meliputi cleaning, case folding, tokenizing, stopword removal, dan stemming, sehingga diperoleh 1.789 data yang siap diklasifikasikan. Pelabelan sentimen dilakukan berdasarkan nilai rating, yaitu rating 1–3 sebagai sentimen negatif dan rating 4–5 sebagai sentimen positif. Pengujian dilakukan menggunakan tiga variasi rasio pembagian data, yaitu 70:30, 80:20, dan 90:10. Hasil penelitian menunjukkan bahwa rasio 90:10 menghasilkan nilai accuracy tertinggi sebesar 87,71%, precision sebesar 0,88, recall sebesar 0,99, dan f1-score sebesar 0,93. Meskipun demikian, rasio tersebut menggunakan data uji yang lebih sedikit sehingga hasil evaluasi memiliki representativitas yang lebih terbatas dibandingkan rasio lainnya. Secara keseluruhan, penelitian ini menunjukkan bahwa variasi rasio pembagian data memengaruhi performa klasifikasi algoritma Multinomial Naïve Bayes dalam analisis sentimen ulasan Taman Rakyat Slawi Ayu.