ANALISIS SENTIMEN PADA ULASAN PENGGUNA WEBSITE STUDENT AMIKOM PURWOKERTO MENGGUNAKAN NAÏVE BAYES CLASSIFIER

Penelitian ini bertujuan untuk mengukur tingkat kepuasan mahasiswa serta mengidentifikasi keluhan teknis terhadap layanan digital universitas. Batasan variabel dalam penelitian ini berfokus pada ulasan teks mahasiswa yang diklasifikasikan ke dalam sentimen positif, netral, dan negatif. Metode analisis yang digunakan adalah algoritma Multinomial Naïve Bayes dengan teknik ekstraksi fitur Term Frequency-Inverse Document Frequency (TF-IDF) serta tahap preprocessing yang meliputi Case folding, tokenisasi, normalisasi, stemming, dan pelabelan data. Hasil penelitian dan pembahasan menunjukkan bahwa model mampu melakukan klasifikasi dengan nilai akurasi sebesar 57,89%. Berdasarkan distribusi data, ditemukan bahwa sentimen positif merupakan kategori yang paling banyak muncul dengan total 11 ulasan pada data uji, diikuti oleh sentimen netral sebanyak 5 ulasan dan sentimen negatif sebanyak 3 ulasan. Model menunjukkan performa yang solid dalam mengenali sentimen positif dengan f1-score mencapai 0,73, namun gagal mendeteksi sentimen negatif secara otomatis. Hal ini disebabkan oleh fenomena imbalanced data, di mana dominasi ulasan positif membuat model memiliki keterbatasan referensi dalam mempelajari pola kata pada kategori minoritas. Meskipun demikian, hasil analisis terhadap ulasan negatif mahasiswa tersebut tetap memberikan temuan penting berupa rekomendasi praktis yang dapat dipertimbangkan oleh pengelola website Universitas Amikom Purwokerto untuk meningkatkan kualitas layanan digital di masa mendatang.