KLASIFIKASI SENTIMEN MEDIA SOSIAL BERBASIS WEB MENGGUNAKAN MULTINOMIAL NAIVE BAYES PADA PT VINIX SEVEN AURUM

Abstrak

Komentar media sosial merupakan sumber informasi penting untuk memahami persepsi audiens, tetapi pengolahan manual cenderung lambat, tidak konsisten, dan sulit diterjemahkan menjadi keputusan komunikasi yang dapat ditindaklanjuti. Penelitian ini bertujuan mengembangkan KokoroLens, sistem klasifikasi sentimen media sosial berbasis web yang mengintegrasikan prapemrosesan teks, pembobotan TF-IDF, Multinomial Naive Bayes (MNB), wawasan pembelajaran mesin, rekomendasi berbantuan kecerdasan buatan, dan evaluasi implementasi dalam konteks perusahaan. Penelitian menggunakan metode Penelitian dan Pengembangan (R&D) dengan model ADDIE. Pengujian bayangan terhadap 51 komentar berlabel manual menghasilkan akurasi 94,12%, presisi 94,38%, recall 94,12%, dan F1-score 93,97%. Tiga kesalahan klasifikasi terutama ditemukan pada ekspresi singkat, informal, dan bergantung konteks. Hasil analisis dioperasionalkan menjadi dua rancangan konten dengan kesesuaian implementasi 100% pada sepuluh aspek yang dievaluasi. Evaluasi awal pada konten yang dipublikasikan menunjukkan peningkatan tayangan 14,5%, jumlah pemirsa 13,0%, dan kunjungan profil 31,6%, sementara sebagian besar indikator interaksi langsung menurun. Kontribusi penelitian terletak pada integrasi alur klasifikasi sentimen, keterlacakan hasil, pembentukan wawasan, rekomendasi komunikasi, implementasi konten, dan evaluasi respons audiens. Hasil performa konten diposisikan sebagai bukti implementasi awal dan bukan bukti hubungan kausal.