Penelitian ini bertujuan untuk membandingkan performa dua algoritma klasifikasi teks, yaitu Naive Bayes dan Support Vector Machine (SVM), dalam menganalisis sentimen ulasan pengguna terhadap Mall Pakuwon Bekasi yang diambil dari platform Google Maps. Data diperoleh melalui teknik web scraping, dengan total sebanyak 1.037 ulasan yang berhasil dikumpulkan. Selanjutnya, data dibagi menggunakan skema 80% data latih dan 20% data uji, kemudian diproses melalui tahapan pra-pemrosesan teks dan vektorisasi menggunakan TF-IDF. Untuk mengatasi ketidakseimbangan kelas pada data latih, digunakan teknik Synthetic Minority Over-sampling Technique (SMOTE) sebelum model Naive Bayes dan SVM dilatih, guna memastikan distribusi data yang lebih proporsional antar kelas sentimen. Pengujian dilakukan untuk mengetahui algoritma mana yang menghasilkan kinerja klasifikasi terbaik. Berdasarkan hasil evaluasi, algoritma SVM memperoleh nilai akurasi sebesar 75%, precision 0.86, recall 0.79, dan f1-score 0.79. Sementara itu, algoritma Naive Bayes mencapai akurasi sebesar 65%, dengan precision 0.89, recall 0.71, dan f1-score 0.79. Meskipun Naive Bayes mencatat precision yang lebih tinggi, hasil keseluruhan menunjukkan bahwa SVM memiliki performa klasifikasi yang lebih konsisten dan seimbang, terutama dalam konteks data ulasan yang bersifat tidak terstruktur.

S12135

INF 0162 2025

Bekasi

Tersedia