Tingkat Kepuasan"Lazy Night" Menggunakan Metode Naive Bayes

Abstract

Dalam era informasi saat ini, memahami dan menafsirkan feedback dari publik menjadi semakin penting, terutama dalam konteks penyelenggaraan acara. Proses menggali pola atau informasi berharga dari kumpulan data telah menjadi topik yang menarik perhatian banyak pihak. Penelitian ini hadir untuk menjawab kebutuhan tersebut, berfokus pada upaya mengklasifikasikan sentimen para peserta acara "Lazy Night" secara otomatis. Kami memanfaatkan algoritma Naive Bayes, sebuah metode yang dikenal efisien dalam analisis teks.

Data penelitian kami dikumpulkan langsung dari formulir umpan balik yang diisi oleh peserta, yang berisi beragam opini dan komentar dalam bentuk tekstual. Setiap masukan kemudian kami telaah dan labeli secara manual ke dalam dua kategori sentimen yang jelas: positif atau negatif. Setelah melalui serangkaian tahapan pra-pemrosesan data yang cermat—mulai dari mengubah format teks hingga mengekstraksi fitur-fitur penting—model Naive Bayes kemudian kami bangun untuk melakukan tugas klasifikasi ini. Hasil evaluasi menunjukkan bahwa pendekatan ini sangat efektif dalam menangkap nuansa sentimen dalam data teks yang relatif pendek, seperti umpan balik acara. Model kami berhasil mencapai tingkat akurasi yang memuaskan, yakni 97,4%. Ini membuktikan bahwa Naive Bayes adalah alat yang andal untuk memahami persepsi peserta, memberikan wawasan berharga bagi penyelenggara acara untuk terus meningkatkan kualitas dan relevansi di masa mendatang.