Pada era digital saat ini, ulasan konsumen secara daring memainkan peranan penting dalam membentuk citra dan keputusan pembelian masyarakat. Salah satu contohnya adalah ulasan terhadap restoran Warjo Summarecon Bekasi yang dibagikan melalui platform Google Review. Banyaknya jumlah ulasan yang masuk membuat proses analisis secara manual menjadi tidak efisien. Oleh karena itu, diperlukan metode yang dapat secara otomatis mengklasifikasikan opini pelanggan ke dalam kategori positif dan negatif melalui proses analisis sentimen. Penelitian ini dilakukan dengan tahapan preprocessing data (case folding, tokenizing, stopword removal, dan stemming), pembobotan kata menggunakan metode TF- IDF, penerapan algoritma klasifikasi, serta evaluasi hasil klasifikasi. Dua algoritma yang digunakan dalam penelitian ini adalah Support Vector Machine (SVM) dan Naïve Bayes. Data dikumpulkan melalui proses scraping terhadap 1.102 ulasan pelanggan Warjo, kemudian dilakukan pelabelan manual untuk keperluan pelatihan model. Berdasarkan pengujian yang dilakukan, diperoleh bahwa algoritma Support Vector Machine menghasilkan akurasi tertinggi sebesar 88%, sementara Naïve Bayes memperoleh akurasi sebesar 80%. Dengan demikian, algoritma SVM dinilai lebih efektif dalam melakukan klasifikasi sentimen terhadap ulasan pelanggan dan dapat menjadi solusi bagi pelaku usaha untuk memahami persepsi pelanggan secara efisien dan objektif.

S12078

INF 0105 2025

Bekasi

Tersedia