<![CDATA[Penelitian ini bertujuan untuk menganalisis dan mengklasifikasikan kualitas jawaban debat politik menggunakan algoritma Naive Bayes berbasis Prinsip Kerja Sama Grice. Data diperoleh dari transkrip debat pasangan calon Bupati dan Wakil Bupati Bima Tahun 2024 yang dikembangkan menjadi 500 data teks dan diberi label ke dalam tiga kategori, yaitu Relevan, Menghindar, dan Tidak Relevan. Tahapan penelitian meliputi preprocessing teks, yaitu case folding, cleaning, stopword removal, dan stemming menggunakan Sastrawi, kemudian dilanjutkan dengan ekstraksi fitur menggunakan Term Frequency-Inverse Document Frequency (TF-IDF). Proses klasifikasi dilakukan menggunakan algoritma Multinomial Naive Bayes dengan pembagian data 80% sebagai data latih dan 20% sebagai data uji. Hasil penelitian menunjukkan bahwa model menghasilkan 1.207 fitur TF-IDF dan mencapai akurasi sebesar 79,00%, precision 71,76%, recall 79,00%, serta F1-score 73,00%. Hasil menunjukkan bahwa metode Naive Bayes mampu mengidentifikasi pola kebahasaan yang berkaitan dengan kepatuhan maupun pelanggaran terhadap maksim percakapan Grice. Penelitian ini membuktikan bahwa pendekatan machine learning dapat digunakan sebagai alat bantu objektif untuk mengevaluasi kualitas komunikasi politik yang lebih efisien.]]>
Copyrights © 2026
