<![CDATA[Perkembangan teknologi digital yang pesat telah mendorong peningkatan konsumsi layanan hiburan berbasis streaming seperti Disney+ Hotstar. Seiring bertambahnya pengguna, volume review yang diberikan juga meningkat dan menjadi sumber penting bagi perusahaan untuk mengevaluasi kualitas layanan. Namun, analisis manual terhadap review dalam jumlah besar menjadi tidak efisien dan rentan terhadap subjektivitas. Penelitian ini membangun dan membandingkan model analisis sentimen menggunakan Natural Language Processing (NLP) dengan algoritma Naive Bayes dan Decision Tree yang diperkuat dengan teknik Adaboost. Metode yang digunakan meliputi pengumpulan data review, preprocessing teks, penerapan model, serta evaluasi menggunakan akurasi dan AUC. Hasil penelitian menunjukkan bahwa penerapan Adaboost memberikan kontribusi signifikan dalam meningkatkan performa model klasifikasi. Naive Bayes mengalami peningkatan akurasi dan AUC, namun peningkatan yang lebih signifikan terjadi pada Decision Tree. Hal ini menunjukkan bahwa struktur Decision Tree yang fleksibel lebih kompatibel dengan pendekatan boosting. Sebaliknya, Naive Bayes yang berbasis pada asumsi distribusi probabilistik yang sederhana kurang optimal saat dikombinasikan dengan boosting. Dengan demikian, Decision Tree dengan Adaboost menjadi pilihan yang lebih unggul dalam meningkatkan akurasi dan efektivitas analisis sentimen review Disney+ Hotstar.]]>
Copyrights © 2025
