Analisis Sentimen Review Pengguna Website IMDB Menggunakan Klasifikasi Naïve Bayes
Abstract
Abstrak-Website IMDB (Internet Movie Database) merupakan suatu web yang digunakan untuk menyediakan atau melihat berbagai informasi tentang jutaan film yang telah tayang, yang digunakan untuk melihat review, rating, pemeran dan kru dari film tersebut. Para pengguna baru biasanya suka melihat review pengguna lainnya sebelum menentukan film apa yang akan mereka tonton, namun semakin banyak dan semakin besar review yang diberikan akan semakin besar dampak penilaian tersebut terhadap keputusan para pengguna baru, sehingga apabila para pengguna baru tidak dapat mengartikan makna dari review yang diberikan, untuk mengatasi hal tersebut dilakukanlah analisis sentimen. Penelitian yang dilakukan kali ini bertujuan untuk menganalisa analisis sentimen terhadap movie review yang diberikan oleh pengguna website IMDB, dengan menggunakan algoritma Naïve Bayes Multinomial. Penelitian ini juga menggunakan text preprocessing, dan TF-IDF untuk meningkatkan nilai akurasi dari model tersebut. Hasil evaluasi menggunakan confusion matrix menunjukan nilai accuracy 88.93%, nilai precision 89.07%, nilai recall sebesar 89.14% dan nilai F1-Score 89.11%, dengan perbandingan data training dan testing 70:30. Hasil klasfikasi yang dilakukan menghasilkan data 7533 berlabel positif dan 7249 berlabel negatif, nilai tersebut menunjukan sebagian besar para pengguna IMDB berkomentar positif terhadap film yang mereka tonton.
Kata kunci-Naïve Bayes, IMDb, sentiment analysis, text preprocessing
References
B. Lopez and X. Sumba, “IMDb Sentiment Analysis,” pp. 2–6, 2019.
F. Savira and Y. Suharsono, “Analisa dan Klasifikasi Sentiment Opini Penonton pada Website Imdb.Com dengan Algoritma Support Vector Machine,” J. Inform. dan Bisnis, vol. 6, no. 2, pp. 18–28, 2017.
N. G. Ramadhan and T. I. Ramadhan, “Analysis Sentiment Based on IMDB Aspects from Movie Reviews using SVM,” Sinkron, vol. 7, no. 1, pp. 39–45, 2022, doi: 10.33395/sinkron.v7i1.11204.
M. A. A. Jihad, Adiwijaya, and W. Astuti, “Analisis sentimen terhadap ulasan film menggunakan algoritma random forest,” e-Proceeding Eng., vol. 8, no. 5, pp. 10153–10165, 2021.
A. Singh, C. Kulkarni, and N. A. Ayan, “Sentiment Analysis of IMDB Movie Reviews.” 2022.
P. Routray, C. K. Swain, and S. P. Mishra, “A survey on sentiment analysis challenges,” Int. J. Comput. Appl., vol. 76, no. 4, pp. 330–338, 2013, doi: 10.1016/j.jksues.2016.04.002.
F. Nurhuda, S. Widya Sihwi, and A. Doewes, “Analisis Sentimen Masyarakat terhadap Calon Presiden Indonesia 2014 berdasarkan Opini dari Twitter Menggunakan Metode Naive Bayes Classifier,” J. Teknol. Inf. ITSmart, 2016.
A. Rifa’i, H. Sujaini, and D. Prawira, “Sentiment Analysis Objek Wisata Kalimantan Barat Pada Google Maps Menggunakan Metode Naive Bayes,” J. Edukasi dan Penelit. Inform., vol. 7, no. 3, p. 400, 2021, doi: 10.26418/jp.v7i3.48132.
V. I. Santoso, G. Virginia, and Y. Lukito, “Penerapan Sentiment Analysis Pada Hasil Evaluasi Dosen Dengan Metode Support Vector Machine,” J. Transform., vol. 14, no. 2, p. 72, 2017, doi: 10.26623/transformatika.v14i2.439.
T. Winarti, J. Kerami, and S. Arief, “Determining Term on Text Document Clustering using Algorithm of Enhanced Confix Stripping Stemming,” Int. J. Comput. Appl., vol. 157, no. 9, pp. 8–13, 2017, doi: 10.5120/ijca2017912761.
D. Rustiana and N. Rahayu, “Analisis sentimen pasar otomotif mobil:,” J. SIMETRIS, vol. 8, no. 1, pp. 113–120, 2017.
A. Andilala, “Movie Review Sentimen Analisis Dengan Metode Naïve Bayes Base on Feature Selection,” Pseudocode, vol. 3, no. 1, pp. 1–9, 2016, doi: 10.33369/pseudocode.3.1.1-9.
J. LING, I. P. E. N. KENCANA, and T. B. OKA, “Analisis Sentimen Menggunakan Metode Naïve Bayes Classifier Dengan Seleksi Fitur Chi Square,” E-Jurnal Mat., vol. 3, no. 3, p. 92, 2014, doi: 10.24843/mtk.2014.v03.i03.p070.
A. Firmansyah Sulaeman, A. Afif Supianto, and F. Abdurrachman Bachtiar, “Analisis Sentimen Opini Mahasiswa Terhadap Saran Evaluasi Kinerja Dosen Menggunakan TF-IDF dan Support Vector Machine,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. , vol. 3, no. 6, pp. 5647–5655, 2019.
R. T. Handayanto, “Cross Validation dengan Scikit-Learning Python,” Artificial Neural Network, Python, 2020.
A. Alamsyah and F. N. Zuhri, “Measuring Public Sentiment Towards Services Level in Online Forum using Naive Bayes Classifier and Word Cloud,” CRS-ForMIND Int. Conf. Work. 2017, no. October, 2017.
D. Edi and S. Betshani, “Analisis Data dengan MenggunakanERD dan Model Konseptual Data Warehouse,” J. Inform., vol. 5, no. 1, pp. 71–85, 2009.
