Analisis Sentimen Ulasan Film pada Dataset IMDB menggunakan Algoritma Naive Bayes

Abstract

ABSTRACT This study examines sentiment analysis of movie reviews from online platforms using a dataset obtained from Kaggle. The dataset consists of 50,000 reviews spanning various films, which are used to identify user sentiment, either positive or negative. After preprocessing the data to clean and prepare it, the Naïve Bayes algorithm is applied to classify the reviews based on their sentiment. Naïve Bayes was chosen due to its proven capability in text classification and its simplicity in implementation. The model’s evaluation was conducted using a confusion matrix and a classification report, resulting in an accuracy of 86.25%. Furthermore, the precision, recall, and F1-score values, each reaching 86%, indicate a good balance in the model’s ability to classify both positive and negative sentiments. These results confirm that Naïve Bayes is an efficient and effective algorithm for sentiment analysis of movie reviews. This research provides a valuable contribution to the field of sentiment analysis, particularly in understanding public opinion towards cinematic works. Additionally, the findings open up the potential use of this model in the development of sentiment-based recommendation systems, which can be applied across various online entertainment platforms. Keywords:Sentiment Analysis, Movie Reviews, Naïve Bayes, Kaggle Dataset ABSTRAK Penelitian ini mengkaji analisis sentimen terhadap ulasan film daring menggunakan dataset yang diperoleh dari platform Kaggle. Dataset ini terdiri dari 50.000 ulasan yang mencakup berbagai film, yang digunakan untuk mengidentifikasi sentimen pengguna, apakah positif atau negatif. Setelah melalui tahap preprocessing untuk membersihkan dan mempersiapkan data, algoritma Naïve Bayes diterapkan untuk mengklasifikasikan ulasan berdasarkan sentimennya. Naïve Bayes dipilih karena kemampuannya yang terbukti dalam klasifikasi teks dan kesederhanaannya dalam implementasi. Evaluasi model dilakukan menggunakan confusion matrix dan classification report, yang menghasilkan akurasi sebesar 86,25%. Selain itu, nilai precision, recall, dan F1-score yang masing-masing mencapai 86% menunjukkan keseimbangan yang baik dalam kemampuan model untuk mengklasifikasikan sentimen positif dan negatif. Hasil ini mengonfirmasi bahwa Naïve Bayes adalah algoritma yang efisien dan efektif dalam analisis sentimen ulasan film. Penelitian ini memberikan kontribusi penting dalam bidang analisis sentimen, khususnya dalam memahami opini publik terhadap karya sinematik. Selain itu, hasil yang diperoleh membuka potensi penggunaan model ini dalam pengembangan sistem rekomendasi berbasis sentimen, yang dapat diterapkan di berbagai platform hiburan online. Kata kunci: Analisis Sentimen, Ulasan Film, Naïve Bayes, Dataset Kaggle