<![CDATA[Transportasi udara memiliki peran vital dalam mendukung mobilitas dan perekonomian di Indonesia, khususnya di wilayah timur yang terhubung melalui Bandara Sultan Hasanuddin Makassar. Kualitas fasilitas dan pelayanan bandara menjadi faktor penting dalam membentuk pengalaman pengguna, yang dapat diukur melalui analisis sentimen terhadap ulasan publik di platform digital. Penelitian ini bertujuan membandingkan kinerja algoritma SVM dan Naïve Bayes dalam mengklasifikasikan sentimen positif dan negatif dari 4.049 ulasan pengguna berbahasa Indonesia yang dikumpulkan dari Google Maps periode 2021-2025. Penelitian ini juga menerapkan teknik Stratified k-fold Cross-validation dengan nilai k = 4 dan k = 5 Data. diproses melalui tahapan cleaning, case folding, normalisasi, stemming, filtering, tokenizing, serta pembobotan TF-IDF. Untuk mengatasi ketidakseimbangan kelas, digunakan metode SMOTE. Hipotesis penelitian ini adalah penerapan SMOTE dapat meningkatkan akurasi model, dan SVM akan menunjukkan performa lebih unggul dibanding Naïve Bayes. Hasil pengujian menunjukkan SVM dengan kernel linear dan parameter C=1 mencapai akurasi tertinggi sebesar 97,0% pada pembagian data 80:20, sedangkan Naïve Bayes terbaik meraih 94,3% pada skenario yang sama. Temuan ini mengonfirmasi hipotesis, menunjukkan bahwa SVM dengan penyeimbangan data memberikan kinerja optimal dalam analisis sentimen ulasan bandara]]>
Copyrights © 2025
