<![CDATA[Abstrak Pada penelitian ini, dilakukan analisis sentimen dalam menentukan opini mahasiswa pada survei kepuasan terhadap fasilitas dan layanan Universitas Telkom. Opini tersebut sangat banyak dan tidak terstruktur.Maka dalam pengolahannya, diperlukan analisis sentiment dalam mengklasifikasikan opini mahasiswa.Ada tiga sentiment yang akan diklasifikasikan yaitu, sentiment positif ,sentiment netral, dan sentimentnegatif. Metode klasifikasi yang akan digunakan yaitu Naive Bayes Classifier. Pada penelitian ini, data melewati tahap preprocessing menggunakan stemming dan stopword danpembobotan kata menggunakan metode TF-IDF serta melakukan klasifikasi menggunakan algoritmaNaive Bayes. Penelitian ini menghasilkan nilai rata rata precision untuk kelas positif sebesar 52.51% dankelas negatif sebesar 69.25%. sedangkan nilai rata rata recall untuk kelas positif sebesar 76.78% dan kelasnegatif sebesar 61.05%Kata kunci : Naïve bayes classifier, NLP, TFIDFAbstract In this journal, we will classify sentiments in determining student opinion in the satisfaction survey ofTelkom University facilities and services. The opinion is very large and unstructured. It requires ananalysis of sentiment in classifying student opinions. Where there are two sentiments that will beclassified, positive sentiment and negative sentiment. The classification method that will be used is NaiveBayes Classifier.In this study, the data passed the preprocessing stage using stemming and stopword and weighting theword using the TF-IDF method and classifying it using the Naive Bayes algorithm. This study resulted inan average precision value for the positive class of 52.51% and a negative class of 69.25%. while theaverage recall value for the positive class is 76.78% and the negative class is 61.05%Keywords: Naïve bayes classifier, NLP, TFIDF]]>
