<![CDATA[Permasalahan dalam penelitian ini adalah maraknya kejahatan terbuka seperti pencurian dan perampokan diruang publik kota medan yang mengganggu rasa aman masyarakat. Sebagai kota dengan tingkat penggunaan media sosial yang tinggi, opini publik terkait isu keamanan sering kali menjadi topik hangat di platfrom digital dan memengaruhi persepsi keamanan wilayah. Tujuan penelitian ini adalah untuk menganalisis opini publik mengenai tingkat kejahatan terbuka di kota medan, mengklasifikasikannya kedalam kategori sentimen positif, negatif, dan netral menggunakan metode naive bayes, serta mengevaluasi kinerja model klasifikasi tersebut. Metode penelitian ini menerapkan teknik text mining terhadap 1.000 data opini yang bersumber dari platfrom Facebook, Instagram, dan Tiktok. Data teks di proses melalui tahapan preprocessing yang meliputi case folding, cleaning, tokenizing, stopword removal, dan stemming. Dataset di bagi secara sistematis menjadi 80% data latih dan 20% data uji dengan menggunakan metode naive bayes. Hasil penelitian menunjukkan distribusi sentimen masyarakat yang relatif berimbang yaitu 34,9% positif, 31,3% negatif, 33,8% netral. Evaluasi model menghasilkan kinerja yang sangat baik dengan nilai akurasi sebesar 80%, presisi 80%, dan recall 80,1%. Hasil penelitian menyatakan bahwa sistem berbasis website yang di kembangkan berhasil mengklasifikasikan opini publik secara efektif dan terstruktur. Metode naive bayes tebukti akurat dalam memetakan persepsi masyarakat, sehingga sistem ini dapat menjadi alat bantu bagi pemangku kepentingan dalam memantau dinamika keamanan di kota medan secara real-time.]]>
