Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Dinamika Informatika (JDI)
Maria Angelina Lubis
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Perbandingan Kinerja Naive Bayes dan KNN Dalam Klasifikasi Sentimen Ulasan Film Horor Simbolon, Cantriya; Maria Angelina Lubis; Sardo Pardingotan Sipayung
Jurnal Dinamika Informatika Vol. 15 No. 1 (2026): Vol. 15 No. 1 (2026)
Publisher : Program Studi Informatika Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31316/jdi.v15i1.464

Abstract

Lonjakan ulasan film horor di platform digital memerlukan sistem klasifikasi otomatis untuk memahami sentimen penonton secara efisien. Penelitian ini bertujuan membandingkan kinerja algoritma Naive Bayes dan K-Nearest Neighbors (KNN) dalam mengklasifikasikan sentimen ulasan film horor berbahasa Inggris. Metodologi penelitian melibatkan pengolahan 3.000 data dari Kaggle menggunakan perangkat lunak RapidMiner, dengan tahapan pra-pemrosesan meliputi pembobotan TF-IDF, tokenization, filtering, dan stemming. Pengujian dilakukan melalui skema 10-fold cross validation untuk menjamin stabilitas hasil. Temuan penelitian menunjukkan perbedaan performa yang signifikan, di mana Naive Bayes meraih akurasi sebesar 88,53%, jauh mengungguli KNN yang hanya mencapai 40,47%. Rendahnya akurasi KNN disebabkan oleh kompleksitas perhitungan jarak pada data teks berdimensi tinggi. Disimpulkan bahwa Naive Bayes merupakan model yang lebih reliabel dan efektif untuk klasifikasi sentimen ulasan film horor. Hasil ini memberikan kontribusi berupa rekomendasi algoritma optimal bagi pengembangan sistem analisis opini otomatis.
Co-Authors Simbolon, Cantriya Sipayung, Sardo Pardingotan