EVALUASI KINERJA SVM DAN NAÏVE BAYES PADA ANALISIS SENTIMEN ULASAN MIE GACOAN JATIWARINGIN
Kata Kunci:
Analisis Sentimen, Lexicon, Naives Bayes, SVM, TFIDFAbstrak
Ulasan pelanggan merupakan bentuk ekspresi subjektif yang mencerminkan pengalaman dan penilaian terhadap produk atau layanan, termasuk restoran. Meski rating numerik sering digunakan untuk menilai kualitas layanan, metode ini tidak selalu menangkap rincian keluhan atau kesan emosional pelanggan. Analisis sentimen menjadi pendekatan komputasional yang menelaah opini dalam teks guna mengidentifikasi polaritas sentimen, baik positif maupun negatif. Penelitian ini menerapkan analisis sentimen berbasis aspek pada ulasan konsumen restoran Mie Gacoan Jatiwaringin, dengan fokus pada pelayanan, lokasi, dan fasilitas. Dua algoritma klasifikasi digunakan untuk membandingkan efektivitas model: Support Vector Machine (SVM), yang mengidentifikasi hyperplane optimal untuk memisahkan sentimen, dan Naïve Bayes, yang memanfaatkan probabilitas distribusi kata untuk memprediksi polaritas. Evaluasi dilakukan terhadap akurasi klasifikasi sentimen masing-masing algoritma terhadap data ulasan yang telah melalui proses pra-pemrosesan. Hasil menunjukkan bahwa algoritma SVM mencapai akurasi sebesar 87%, sedangkan Naïve Bayes memperoleh 79%. Temuan ini mengindikasikan bahwa SVM lebih unggul dalam mengenali pola sentimen dalam konteks ulasan restoran lokal, dan dapat menjadi acuan dalam pengembangan sistem rekomendasi atau monitoring kepuasan pelanggan berbasis teks.