Analisis Sentimen Pengguna X Terhadap Distribusi Smart-TV Di Sekolah : Perbandingan Naïve Bayes & K-NN

Abstrak

Media sosial merupakan sarana komunikasi yang banyak digunakan di Indonesia, salah satunya X (Twitter). Platform ini memungkinkan pengguna membagikan opini mengenai berbagai topik yang dapat diolah untuk analisis sentimen. Penelitian ini merancang sistem klasifikasi sentimen publik ke dalam kategori positif dan negatif menggunakan metode Naïve Bayes dan K-Nearest Neighbor (K-NN) dengan pembobotan fitur Term Frequency-Inverse Document Frequency (TF-IDF). Dataset terdiri dari 981 tweet terkait distribusi Smart-TV di sekolah di Indonesia, yang diperoleh pada 1 Mei – 25 Oktober 2025. Hasil evaluasi menunjukkan akurasi Naïve Bayes sebesar 80.72% dan akurasi K-NN sebesar 82.56%. Naïve Bayes memiliki precision 0.76 dan recall 0.44 pada kelas positif, serta precision 0.83 dan recall 0.95 pada kelas negatif, dengan macro average F1-Score 0.72. K-NN memiliki precision 0.79 dan recall 0.44 pada kelas positif, serta precision 0.83 dan recall 0.96 pada kelas negatif, dengan macro average F1-Score 0.73. Berdasarkan hasil tersebut, K-NN memberikan performa keseluruhan yang lebih baik dibandingkan Naïve Bayes.