ANALISIS SENTIMEN PADA ULASAN WISATAWAN OBJEK WISATA BUKIT PELALANGAN AROSBAYA DIGOOGLE MAPS MENGGUNAKAN ALGORITMA NAIVE BAYES

Layanan bagi wisatawan dapat ditingkatkan dan dikembangkan secara berkelanjutan olehrnpetugas atau penyelenggara tempat wisata. Untuk mengetahui opini positif dan negatif pada ulasanrntersebut maka diperlukan analisis sentimen. Dataset diambil dengan menggunakan toolsrnwebharvy. Data diambil pada tanggal 6 April 2023 dan berhasil diambil sebanyak 1470 data beruparnulasan. Data yang digunakan merupakan data berbahasa Indonesia. Kemudian data tersebutrndilakukan pelabelan oleh pakar yaitu dosen Bahasa Indonesia. Preprocessing yang digunakan padarnpenelitian ini yaitu data cleansing, case folding, konversi slangword, tokenizing, filtering, danrnstemming. Tujuan penelitian adalah untuk mengetahui metode yang lebih efektif denganrnmembandingkan teknik pembobotan kata Term Frequency-Inverse Document Frequency (TFIDF) dan Term Frequency-Relevance Frequency (TF-RF) yang dikombinasikan dengan teknikrnklasifikasi Naive Bayes Classifier dengan menggunakan teknik validasi silang yaitu k-crossrnvalidation dengan k=10. Dataset pada penelitian ini menghasilkan sentimen positif lebih banyakrndibandingkan dengan sentimen negatifnya. Hasil rata-rata akurasi naïve bayes dengan pembobotanrnTF-IDF paling besar pada komposisi rate 80:20 yaitu 87.94% dengan rata-rata nilai presisirn77.62%, recall 87.94% F1-score 82.38% sedangkan dengan pembobotan TF-RF paling besarrnpada komposisi rate 70:30 yaitu 85.95% dengan rata-rata nilai presisi 74.39%, recall 85.95% F1 -rnscore 79.62%. Nilai akurasi merupakan seberapa akurat model memprediksi dengan benar, nilairnpresisi menentukan seberapa baik model dalam mengidentifikasikan kelas positif dengan benar,rnnilai recall menentukan seberapa baik model menemukan semua kelas negatif yang benar, danrnnilai F1-score untuk mengukur seberapa baik model klasifikasi dapat mengklasifikasikan datarndengan benar, dengan memperhatikan baik presisi maupun recall.