IMPLEMENTASI NAIVE BAYES CLASSIFIER (NBC) UNTUK MENGANALISIS SENTIMEN ULASAN FILM “EVERYTHING EVERYWHERE ALL AT ONCE” DI TWITTER

Abstrak

Media sosial, khususnya Twitter, telah menjadi platform penting untuk berbagi informasi dan pandangan, termasuk di Indonesia. Penelitian ini berfokus pada analisis sentimen ulasan film “Everything Everywhere All at Once” di Twitter menggunakan metode Naïve Bayes Classifier (NBC). Tujuan penelitian ini adalah untuk mendapatkan nilai akurasi klasifikasi berbentuk confusion matrix pada ulasan film “Everything Everywhere All at Once” di Twitter menggunakan metode Naïve Bayes Classifier (NBC), mengetahui hasil penerapan metode NBC dalam mengklasifikasikan data ulasan film menjadi label kelas positif dan negatif, serta visualisasi persepsi positif dan negatif pada film tersebut. Data yang digunakan terdiri dari 2148 tweet yang dikumpulkan antara 1 Juli 2022 hingga 16 Desember 2023. Hasil penelitian menunjukkan bahwa model NBC berhasil mencapai akurasi 73%, dengan 1388 ulasan positif dan 760 ulasan negatif. Selain itu, hasil penerapan metode NBC secara manual juga menunjukkan akurasi yang sama. Visualisasi dalam bentuk wordcloud mengungkap kata-kata yang sering muncul, seperti “everything,” “everywhere,” “bagus,” dan “recommended” untuk ulasan positif, serta “ngantuk,” “tidur,” dan “bingung” untuk ulasan negatif. Penelitian ini diharapkan dapat memberikan wawasan kepada pembuat film, peneliti, dan pengembang teknologi dalam memahami persepsi publik terhadap film melalui analisis media sosial.