Analisis Sentimen Untuk Mengidentifikasi Preferensi Genre pada Komentar di Wattpad Menggunakan Metode Naive Bayes

Abstract

Pemanfaatan komentar pembaca pada platform Wattpad untuk mengidentifikasi preferensi genre melalui analisis sentimen masih belum optimal. Selain itu, penelitian sebelumnya umumnya belum mengkaji hubungan antara klasifikasi sentimen dan preferensi genre secara mendalam. Penelitian ini bertujuan menerapkan metode Naive Bayes untuk mengklasifikasikan sentimen komentar pembaca serta mengidentifikasi kecenderungan preferensi genre berdasarkan distribusi sentimen pada novel daring di Wattpad. Penelitian menggunakan pendekatan kuantitatif dengan metode deskriptif. Data diperoleh melalui scraping komentar dari lima genre utama di Wattpad dan diproses melalui tahapan cleaning, case folding, normalisasi, tokenisasi, stopword removal, dan stemming. Representasi teks menggunakan TF-IDF, kemudian diklasifikasikan menggunakan algoritma Naive Bayes dengan tiga skenario pembagian data latih dan data uji. Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, dan F1- score. Hasil penelitian menunjukkan bahwa sentimen positif mendominasi seluruh genre dengan persentase di atas 70%, di mana genre Horor memperoleh persentase sentimen positif tertinggi sebesar 90,36%. Model menghasilkan akurasi tertinggi sebesar 67% dan menunjukkan kecenderungan bias terhadap kelas sentimen dominan. Temuan ini menunjukkan bahwa analisis sentimen dapat digunakan untuk menggambarkan kecenderungan preferensi pembaca terhadap genre novel pada platform Wattpad.