<![CDATA[Analisis sentimen merupakan pendekatan dalam penambangan teks untuk mengelompokkan opini pengguna berdasarkan data teks. Internet Movie Database (IMDb) menyediakan ulasan film dalam jumlah besar yang dapat dimanfaatkan untuk analisis sentimen berbasis pembelajaran mesin. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Naive Bayes dan Logistic Regression dalam mengklasifikasikan sentimen ulasan film IMDb. Dataset yang digunakan terdiri dari 50.000 ulasan film berbahasa Inggris dengan distribusi sentimen positif dan negatif yang seimbang. Data dibagi menjadi data latih dan data uji dengan rasio 80:20. Tahapan penelitian meliputi pra-pemrosesan teks, ekstraksi fitur menggunakan Term Frequency–Inverse Document Frequency (TF–IDF), pembangunan model klasifikasi, dan evaluasi kinerja menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa Logistic Regression menghasilkan kinerja lebih baik dengan akurasi rata-rata sebesar 89,37%, sedangkan Naive Bayes mencapai 86,15%. Perbedaan kinerja tersebut diuji menggunakan paired sample t-test berbasis 10-fold cross validation dan menunjukkan hasil yang signifikan secara statistik (p < 0,05). Keunggulan Logistic Regression secara teknis berkaitan dengan kemampuannya memodelkan hubungan antar fitur tanpa asumsi independensi, yang umum terjadi pada representasi teks berbasis TF–IDF berdimensi tinggi. Namun, penelitian ini masih terbatas pada penggunaan TF–IDF dan perbandingan dua algoritma, sehingga diperlukan pengujian lanjutan untuk memastikan konsistensi hasil.]]>
