Evaluasi Sentimen Ulasan Pengguna CGV Cinemas Indonesia Menggunakan Metode Naïve Bayes dan Support Vector Machine

Abstract

Perkembangan teknologi digital telah mendorong masyarakat untuk menggunakan aplikasi pemesanan tiket bioskop secara daring, termasuk CGV Cinemas Indonesia. Namun, meningkatnya jumlah ulasan dari pengguna aplikasi di Google Play Store memunculkan tantangan dalam mengidentifikasi persepsi pengguna secara efisien. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi CGV Cinemas Indonesia dan membandingkan performa algoritma Naïve Bayes dan Support Vector Machine (SVM) dalam klasifikasi sentimen. Data dikumpulkan dari Google Play Store sebanyak 4.600 ulasan (2.300 ulasan positif dan 2.300 negatif) melalui teknik web scraping. Proses analisis mencakup tahap preprocessing teks, balancing, ekstraksi fitur menggunakan TF-IDF, pelatihan model dengan Python dan Google Colab, serta evaluasi kinerja model menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa Naïve Bayes lebih unggul dibandingkan SVM, dengan akurasi sebesar 90,38% dan F1-score sebesar 90,46%, sedangkan SVM memperoleh akurasi sebesar 88,88% dan F1-score 89,08%. Kesimpulan dari penelitian ini adalah bahwa metode Naïve Bayes lebih efektif dalam klasifikasi sentimen ulasan pengguna aplikasi CGV. Penelitian ini memberikan kontribusi dalam penerapan analisis sentimen untuk mendukung evaluasi layanan digital berbasis opini pengguna secara otomatis dan akurat.