Analisis Sentimen Komentar Film Horor "Waktu Maghrib" Menggunakan Metode Multinomial Naive Bayes

Perkembangan platform digital memungkinkan masyarakat menyampaikan opini terhadap film melalui kolom komentar YouTube. Jumlah komentar yang besar menyebabkan analisis secara manual menjadi kurang efisien, sehingga diperlukan metode otomatis untuk mengidentifikasi kecenderungan sentimen penonton. Penelitian ini bertujuan mengimplementasikan metode Multinomial Naïve Bayes untuk mengklasifikasikan sentimen komentar penonton film horor Waktu Maghrib ke dalam kategori positif, netral, dan negatif serta mengevaluasi performa model. Data diperoleh menggunakan YouTube Data API sebanyak 2.000 komentar. Setelah melalui tahap text preprocessing yang meliputi cleaning, filtering bahasa, case folding, tokenizing, stopword removal, normalisasi kata, dan stemming, diperoleh 1.087 komentar berbahasa Indonesia. Sebanyak 500 komentar dipilih secara acak dan diberi label secara manual sebagai data penelitian. Dataset kemudian dibagi dengan rasio 80:20 menjadi 400 data pelatihan dan 100 data pengujian. Ekstraksi fitur dilakukan menggunakan TF-IDF dengan unigram dan bigram, kemudian klasifikasi dilakukan menggunakan Multinomial Naïve Bayes. Evaluasi model menggunakan confusion matrix, accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa metode Multinomial Naïve Bayes mampu mengklasifikasikan sentimen komentar penonton dengan akurasi sebesar 62%, sehingga dapat digunakan untuk memberikan gambaran umum mengenai respons penonton terhadap film Waktu Maghrib.