Klasifikasi Teks Ulasan Film Berbahasa Indonesia Menggunakan Metode Naive Bayes dengan Pendekatan Lexicon-Based

Ulasan film merupakan salah satu bentuk data yang memiliki potensi besar untuk dianalisis guna memahami sentimen penonton dan preferensi mereka terhadap sebuah film. kaskus adalah sebuah situs forum online yang menawarkan ruang untuk mencari informasi dan berbagi minat. Salah satu bagian dari forum tersebut adalah forum Movies, yang berisi berbagai film dan ulasan terkait film yang telah ditonton. Klasifikasi teks menjadi langkah penting untuk mengelompokkan ulasan tersebut ke dalam kategori positif dan negatif. Penelitian ini bertujuan untuk mengklasifikasikan teks ulasan film berbahasa Indonesia ke dalam kategori sentimen positif dan negatif menggunakan metode Naive Bayes dengan pendekatan Lexicon-Based. Penelitian ini menggunakan data ulasan film yang dikumpulkan dari situs Kaskus.com. Data yang sudah di kumpulkan kemudian melalui tahapan preprocessing data meliputi case folding, cleaning, tokenisasi, normalisasi, stopwords removal, dan stemming. Selanjutnya, data dibagi menjadi 80:20 data latih dan data uji, dimana setiap data terdiri dari dua kelas yaitu positif dan negatif. Algoritma Naive Bayes, diterapkan untuk membangun model klasifikasi. Evaluasi performa dilakukan menggunakan confusion matrix yang mencakup accuracy, precision, recall, dan F1-score. Berdasarkan hasil klasifikasi. model menghasilkan nilai accuracy sebesar 0,84 dengan nilai precision 0,84 recall 0,84 dan F1-score 0,84. Penelitian ini diharapkan dapat memberikan wawasan mengenai efektivitas pendekatan Lexicon-Based dalam meningkatkan akurasi klasifikasi teks ulasan film serta menjadi referensi bagi pengembang sistem dalam pemrosesan bahasa alami.