Analisis Emosi Komentar Pengguna Tiktok Terhadap Film Jumbo Menggunakan Metode Naive Bayes

Abstrak

TikTok, sebagai salah satu platform media sosial populer, menjadi ruang interaktif bagi pengguna untuk berbagi pendapat melalui komentar. Penelitian ini bertujuan untuk menganalisis emosi komentar pengguna TikTok terhadap film "Jumbo" menggunakan metode Naive Bayes Classifier. Sebanyak 1.341 komentar dikumpulkan melalui Apify Web Scraper dari akun resmi Visinema Pictures. Data kemudian melalui tahap pre-processing yang meliputi case folding, tokenizing, normalisasi, stopword removal, dan stemming menggunakan library Sastrawi. Pelabelan emosi dilakukan berdasarkan kamus Indonesian NRC EmoLex dengan mengklasifikasikan komentar ke dalam tiga kategori: marah, senang, dan sedih. Pembobotan kata menggunakan metode TF-IDF untuk mengidentifikasi kata-kata dominan dalam setiap kategori emosi. Dataset dibagi menjadi 80% data latih dan 20% data uji untuk evaluasi performa model. Hasil penelitian menunjukkan bahwa model Naive Bayes mencapai akurasi sebesar 78,81%. Emosi marah mendominasi dengan 904 komentar, diikuti emosi senang sebanyak 415 komentar, dan emosi sedih sebanyak 22 komentar. Pada kelas marah, model menunjukkan performa optimal dengan recall 100%, precision 75%, dan F1-score 85,71%. Namun, performa pada kelas minoritas seperti senang dan sedih masih memerlukan perbaikan. Penelitian ini memberikan kontribusi dalam pengembangan metodologi analisis emosi berbasis text mining dan dapat diaplikasikan untuk evaluasi respons penonton serta penyusunan strategi pemasaran film yang lebih efektif.