ANALISIS SENTIMEN ULASAN PENGUNJUNG AYAM KAMPUNG GORENG MBAH KARTO TEMBEL DI GOOGLE MAPS MENGGUNAKAN METODE NAIVE BAYES DAN PEMBOBOTAN TF-IDF

Perkembangan ulasan digital pada Google Maps dapat dimanfaatkan oleh pelaku usaha kuliner untuk memperoleh gambaran mengenai persepsi pelanggan secara lebih terukur. Namun, banyaknya ulasan pengunjung Ayam Kampung Goreng Mbah Karto Tembel yang berbentuk teks tidak terstruktur menyulitkan proses analisis apabila dilakukan secara manual. Penelitian ini bertujuan mengklasifikasikan opini pengunjung ke dalam tiga kategori sentimen, yaitu positif, netral, dan negatif, menggunakan metode Naive Bayes dengan pembobotan Term Frequency–Inverse Document Frequency (TF-IDF). Data penelitian diperoleh melalui proses web scraping Google Maps menggunakan Apify pada periode 2020–2026 sehingga diperoleh sebanyak 2.555 ulasan. Penelitian menerapkan tahapan Knowledge Discovery in Databases (KDD) yang meliputi Data Selection, Preprocessing, Transformation, Data Mining, dan Interpretation/Evaluation. Tahapan preprocessing meliputi case folding, cleansing, normalisasi, tokenizing, stopword removal, dan stemming. Pengujian dilakukan menggunakan tiga rasio pembagian data, yaitu 90:10, 80:20, dan 70:30, dengan dua skenario, yaitu tanpa Synthetic Minority Over-sampling Technique (SMOTE) dan menggunakan SMOTE. Hasil pengujian menunjukkan bahwa model tanpa SMOTE pada rasio 90:10 memperoleh nilai accuracy tertinggi sebesar 92,97%, sedangkan penerapan SMOTE meningkatkan kemampuan model dalam mengenali kelas minoritas, ditunjukkan oleh nilai recall kelas netral sebesar 40,91% dan kelas negatif sebesar 56,25% pada rasio 80:20. Penelitian ini juga berhasil membangun sistem analisis sentimen berbasis Streamlit. Dengan demikian, penelitian ini berhasil menerapkan metode Naive Bayes dengan pembobotan TF-IDF untuk mengklasifikasikan sentimen ulasan pengunjung Ayam Kampung Goreng Mbah Karto Tembel di Google Maps, sedangkan penerapan SMOTE meningkatkan kemampuan model dalam mengenali kelas sentimen minoritas.