ANALISIS PERBANDINGAN KINERJA ALGORITMA NAÏVE BAYES, SVM, DAN RANDOM FOREST DALAM MENDETEKSI SENTIMEN PADA ULASAN MCDONALD’S

Hernico, Brandon (2025) ANALISIS PERBANDINGAN KINERJA ALGORITMA NAÏVE BAYES, SVM, DAN RANDOM FOREST DALAM MENDETEKSI SENTIMEN PADA ULASAN MCDONALD’S. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (502kB)
	Text BAB II.pdf Restricted to Registered users only Download (935kB)
	Text BAB III.pdf Restricted to Registered users only Download (494kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Download (436kB)
	Text DAFTAR PUSTAKA.pdf Download (499kB)

Abstract

Masalah utama yang dihadapi pada penelitian ini adalah bagaimana kinerja algoritma-algoritma dalam mengklasifikasikan sentimen (positif, negatif, netral) dari ulasan pelanggan di restoran cepat saji McDonald’s. Dataset ulasan berjumlah lebih dari 33.000 data yang diperoleh dari platform Kaggle, kemudian metode yang diterapkan adalah preprocessing teks meliputi tokenisasi, case folding, dan stop word removal. Ekstraksi fitur dilakukan menggunakan metode TF-IDF, sedangkan evaluasi model menggunakan metrik akurasi, presisi, recall, F1-score, dan AUC (area under curve). Penelitian ini bertujuan untuk membandingkan kinerja algoritma Naïve Bayes, Support Vector Machine (SVM), dan Random Forest dalam mendeteksi sentimen pada ulasan pelanggan McDonald’s. Berdasarkan hasil evaluasi, dapat disimpulkan bahwa algoritma Random Forest (akurasi 83%, presisi 81%, recall 74%) menunjukkan kinerja terbaik dalam mendeteksi sentimen pada ulasan McDonald's. Algoritma ini mampu mencapai akurasi, presisi, dan recall yang lebih baik dibandingkan dengan Naïve Bayes (akurasi 80%, presisi 77%, recall 69%) dan SVM (akurasi 83%, presisi 79%, recall 75%), terutama dalam mengklasifikasikan sentimen netral. Hal ini mengindikasikan bahwa Random Forest lebih efektif dalam menangkap nuansa kompleksitas dalam data teks sentimen pada domain kuliner cepat saji seperti McDonald’s. Penelitian ini memberikan wawasan dalam memilih algoritma yang sesuai untuk analisis sentimen di sektor makanan cepat saji. Aplikasi dari hasil penelitian ini dapat meliputi pengembangan sistem rekomendasi berbasis sentimen dan peningkatan strategi layanan pelanggan.

Actions (login required)

View Item