ANALISIS SENTIMEN KEPUASAN PELANGGAN BERBASIS ULASAN GOOGLE MAPS MENGGUNAKAN METODE NAÏVE BAYES DAN SUPPORT VECTOR MACHINE (Studi Kasus: Kedai Kopi Bathok Purbalingga)

Penelitian ini bertujuan mengklasifikasikan sentimen ulasan pelanggan Kedai Kopi Bathok Purbalingga berdasarkan data Google Maps ke dalam kategori positif dan negatif serta membandingkan kinerja algoritma Naïve Bayes dan Support Vector Machine (SVM). Data ulasan diolah melalui tahapan preprocessing, pembobotan fitur menggunakan TF-IDF, balancing dataset, dan pengujian model untuk memperoleh klasifikasi yang akurat. Hasil penelitian menunjukkan bahwa sebagian besar ulasan mencerminkan kepuasan pelanggan dengan dominasi kata seperti “enak”, “ramah”, dan “nyaman”. Model Naïve Bayes menghasilkan akurasi tinggi dan stabil, sementara SVM memperoleh nilai precision dan recall sempurna meskipun menunjukkan indikasi overfitting pada dataset berukuran kecil. Sentimen negatif pada ulasan memberikan masukan penting terutama terkait waktu tunggu pelayanan. Secara keseluruhan, penelitian ini menyimpulkan bahwa kedua algoritma mampu melakukan klasifikasi dengan baik, dengan SVM sebagai model paling akurat dan hasil analisis dapat digunakan sebagai dasar peningkatan kualitas layanan kedai.