Analisis Sentimen Review Kuliner Makanan Utama di Medan pada Platform ShopeeFood Menggunakan Algoritma Naïve Bayes

Perkembangan teknologi digital telah mengubah pola konsumsi masyarakat, termasuk dalam hal pemesanan makanan, layanan pesan-antar berbasis aplikasi seperti ShopeeFood semakin banyak digunakan oleh masyarakat Medan untuk memenuhi kebutuhan kuliner secara praktis. Namun, banyaknya ulasan dari pengguna aplikasi seringkali sulit dipahami secara cepat, sehingga diperlukan metode untuk menganalisis sentimen dari ulasan tersebut. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap review kuliner makanan utama di Medan pada platform ShopeeFood dengan menggunakan algoritma Naïve Bayes Classifier. Data ulasan yang diperoleh selanjutnya diproses melalui tahap preprocessing (case folding, tokenizing, stopword removal, dan stemming) sebelum dilakukan klasifikasi. Algoritma Naïve Bayes digunakan untuk mengklasifikasikan ulasan menjadi tiga kategori sentimen, yaitu positif, negatif, dan netral. Hasil penelitian menunjukkan bahwa metode Naïve Bayes mampu mengklasifikasikan sentimen ulasan dengan tingkat akurasi yang cukup baik. Kategori sentimen positif mendominasi hasil klasifikasi, yang menunjukkan bahwa sebagian besar pengguna ShopeeFood di Medan memberikan tanggapan yang baik terhadap layanan maupun kualitas kuliner yang dipesan. Temuan ini diharapkan dapat memberikan masukan bagi pelaku usaha kuliner dalam meningkatkan kualitas layanan, serta bagi pengembang aplikasi dalam memahami kebutuhan pengguna.