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.


Deskripsi Lain

Movie reviews are a valuable source of data that can be analyzed to understand audience sentiment and preferences toward a film. Kaskus is an online forum that provides a space for users to share information and interests. One of its sections, the Movies forum, contains various discussions and reviews of films watched by users. Text classification plays an essential role in categorizing these reviews into positive and negative sentiments. This study aims to classify Indonesian-language movie review texts into positive and negative sentiment categories using the Naive Bayes algorithm with a Lexicon-Based approach. The dataset used in this study was collected from the website Kaskus.com. The collected data underwent several preprocessing stages, including case folding, cleaning, tokenization, normalization, stopword removal, and stemming. The dataset was then divided into 80% training data and 20% testing data, each consisting of two sentiment classes: positive and negative. The Naive Bayes algorithm was applied to build the classification model. The model’s performance was evaluated using a confusion matrix that includes accuracy, precision, recall, and F1-score. The classification results showed that the model achieved an accuracy of 0.84, with precision, recall, and F1-score values all reaching 0.84. This study is expected to provide insights into the effectiveness of the Lexicon-Based approach in improving text classification accuracy for movie reviews and to serve a reference for system developers in the field of natural language processing.

• Sistem Analisis Sentimen Produk Telkomsel dari Opini Twitter Berbahsa Indonesia Menggunakan Metode Naive Bayes Classifier
• IDENTIFIKASI MODEL GAYA BELAJAR FELDER SILVERMAN BERDASARKAN KARAKTERISTIK BROWSING SISWA DENGAN METODE NAÏVE BAYES CLASSIFIER
• RANCANG BANGUN E-DOCUMENT DI KANTOR PELAYANAN PERIJINAN TERPADU KABUPATEN BANGKALAN MENGGUNAKAN NAIVE BAYES CLASSIFIER
• Analisa Pemilihan Alat Kontrasepsi Dengan Menggunakan Metode Naive Bayes
• Sistem Pendukung Keputusan Penerimaan dan Pengalihan Beasiswa Bidikmisi Menggunakan Metode Naive Bayes Classifier dan Profile Matching