ANALISIS DAN PERBANDINGAN STOPWORD TERHADAP AKURASI ANALISIS SENTIMEN TEKS DENGAN MENGGUNAKAN TF-IDF STUDI KASUS NLP

Wahyuni, Titin
Salsabila, Damai Arsila

Jurnal INSYPRO (Information System and Processing)
Vol 10 No 1 (2025)

Dalam era digital yang berkembang pesat, jumlah data teks online meningkat signifikan, mencakup ulasan produk, komentar media sosial, dan artikel berita. Analisis sentimen, yang penting untuk memahami opini masyarakat, membutuhkan praproses teks dengan menghapus stopwords tidak signifikan. Penelitian ini mengeksplorasi penggunaan algoritma TF-IDF untuk menghasilkan stopwords kontekstual dan membandingkan pengaruhnya terhadap akurasi model analisis sentimen dengan stopwords standar. Hasil menunjukkan TF-IDF membantu mengidentifikasi kata-kata kurang penting, namun stopwords Sastrawi lebih baik mengenali konteks. Evaluasi dengan rasio pembagian data yang berbeda (90:10, 80:20, 70:30) menunjukkan akurasi tertinggi sebesar 0.789 pada rasio 80:20, meskipun ada ruang untuk peningkatan. Studi ini diharapkan dapat meningkatkan kinerja model analisis sentimen dengan daftar stopwords yang lebih sesuai.