<![CDATA[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.]]>
Copyrights © 2026
