ABSTRAK
NARDO AZALIO BANGRI, Analisis Sentimen Opini Publik Terhadap Layanan Internet Starlink Menggunakan Metode Naive Bayes Classifier Dengan Fitur Selection Chi-Square (dibimbing oleh Pasnur dan Rohayati).
Algoritma Naive Bayes memiliki kelemahan dalam asumsi independensi antar fitur yang tidak selalu sesuai dengan kenyataan, terutama ketika terdapat fitur yang tidak relevan, yang dapat menurunkan akurasi model. Penelitian ini bertujuan untuk meningkatkan akurasi dan kinerja model Naive Bayes dalam klasifikasi data melalui penerapan metode seleksi fitur Chi-Square dan tuning hyperparameter. Data diperoleh melalui studi pustaka dan teknik crawling pada komentar video YouTube yang berisi opini publik tentang layanan internet Starlink. Metode yang digunakan dalam penelitian adalah menggunakan optimasi algoritma Naive Bayes dengan seleksi fitur Chi-Square dan tuning hyperparameter. Hasil penelitian ini menunjukkan bahwa pada skenario pembagian 90:10, model dengan Chi-Square dan tuning hyperparameter mencapai akurasi sebesar 81,20 persen, lebih tinggi 9,78 persen dibandingkan Naive Bayes tanpa teknik tambahan yang hanya mencapai akurasi 71,42 persen. Meskipun waktu komputasi meningkat menjadi 6,21 detik dibandingkan 0,06 detik pada model tanpa teknik tambahan, model dengan Chi-Square lebih efisien dibandingkan penggunaan tuning hyperparameter saja yang membutuhkan waktu 8,30 detik. Skenario pembagian lain, yaitu 80:20, 75:25, dan 70:30, menunjukkan hasil serupa, dengan performa terbaik pada skenario pembagian 90:10.
Kata Kunci: Analisis Sentimen, Internet Starlink, Naive bayes, Chi-Square,
Hyperparameter tuning.