ANALISIS SENTIMEN MENGGUNAKAN NAIVE BAYES CLASSIFIER DAN SMOTE UNTUK ULASAN WISATA PANTAI SEMBILAN DI KABUPATEN SUMENEP

Perkembangan teknologi informasi mendorong masyarakat untuk berbagi pengalaman melalui ulasan daring, termasuk tentang destinasi wisata. Salah satu destinasi wisata yang banyak mendapat perhatian di Kabupaten Sumenep adalah Pantai Sembilan. Banyaknya ulasan yang tersebar di berbagai platform digital dapat dimanfaatkan untuk mengetahui sentimen atau persepsi pengunjung terhadap objek wisata tersebut. Penelitian ini bertujuan untuk mengetahui nilai performa dari metode Naive Baves Classifer dan mengevaluasi apakah metode Naive Baves Classifer (NBC) dapat mencapai nilai akurasi yang tinggi dengan penerapan teknik smote. Data yang digunakan berupa kumpulan ulasan dari platform google map yang kemudian dilakukan tahap preprocessing seperti case folding, normalisasi, tokenizing, stopword removal, dan stemming. Selanjutnya, dilakukan pelabelan sentimen menjadi positif dan negatif. Karena data cenderung tidak seimbang, digunakan metode SMOTE untuk menyeimbangkan jumlah data antar kelas. Model kemudian dilatih menggunakan algoritma Naive Bayes, dan dievaluasi menggunakan akurasi, presisi, recall, dan f1-score. Hasil penelitian menunjukkan bahwa kombinasi Naive Bayes dan SMOTE mampu meningkatkan akurasi klasifikasi dibandingkan model tanpa SMOTE. Berdasarkan pengujian, diperoleh nilai akurasi sebesar 88%, presisi 96%, recall 98%, dan f1-score 96%. Temuan ini menunjukkan bahwa sebagian besar ulasan terhadap Pantai Sembilan bersifat positif, yang mengindikasikan kepuasan pengunjung terhadap fasilitas dan keindahan pantai.