Analisis Sentimen Konsumen Terhadap Usaha Food And Beverage Di Tembilahan Pada Media Sosial Tiktok Menggunakan Naïve Bayes Classifier Sebagai Dasar Evaluasi Strategi Pemasaran Digital
DOI:
https://doi.org/10.31004/jpion.v5i2.1373Kata Kunci:
Analisis Sentimen, Tiktok, Food and Beverage, Naive Bayes ClassifierAbstrak
Media sosial TikTok menjadi salah satu platform yang banyak digunakan konsumen untuk memberikan opini mengenai produk dan layanan, termasuk pada sektor Food and Beverage (F&B). Informasi yang terdapat pada komentar pengguna dapat dimanfaatkan untuk mengetahui persepsi konsumen dan mengevaluasi strategi pemasaran digital. Penelitian ini bertujuan menganalisis sentimen konsumen terhadap usaha F&B di Tembilahan pada media sosial TikTok menggunakan algoritma Naïve Bayes Classifier. Penelitian menggunakan pendekatan kuantitatif dengan data sebanyak 500 komentar TikTok yang diperoleh melalui teknik scraping. Data kemudian melalui tahap preprocessing, pelabelan sentimen, ekstraksi fitur menggunakan TF-IDF, dan klasifikasi menggunakan Naïve Bayes. Evaluasi model dilakukan menggunakan confusion matrix, accuracy, precision, recall, F1-score, serta 5-Fold Cross Validation. Hasil penelitian menunjukkan bahwa sentimen netral mendominasi dengan 248 komentar (49,6%), diikuti sentimen positif sebanyak 156 komentar (31,2%) dan sentimen negatif sebanyak 96 komentar (19,2%). Model Naïve Bayes menghasilkan akurasi sebesar 93,00% dengan rata-rata akurasi cross validation sebesar 92,00%. Hasil ini menunjukkan bahwa Naïve Bayes mampu mengklasifikasikan sentimen konsumen dengan baik dan dapat digunakan sebagai dasar evaluasi strategi pemasaran digital usaha F&B di Tembilahan
Referensi
Bird, S., Klein, E., & Loper, E. (2021). Natural Language Processing with Python. O’Reilly Media.
Creswell, J. W., & Creswell, J. D. (2023). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches. SAGE Publications.
DataReportal. (2025). Digital 2025: Indonesia. DataReportal (Kepios, We Are Social, Meltwater). https://datareportal.com/reports/digital-2025-indonesia
Géron, A. (2022). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow. O’Reilly Media.
Ghiffary, F. A., & Syafrullah, M. (2024). Analisis Sentimen Pengguna TikTok Shop Menggunakan Metode Naive Bayes Classifier. Jurnal (Cek Nama Jurnal Pada Sumber Asli).
Kurniawan. (2025). Kajian sistematis (systematic literature review) mengenai analisis sentimen media sosial.
Layuk, (2025). Penerapan feature selection untuk meningkatkan performa Naive Bayes dalam klasifikasi sentimen.
Liu, B. (2022). Sentiment Analysis and Opinion Mining. Cambridge University Press.
Manning, C. D., Raghavan, P., & Schütze, H. (2022). Introduction to Information Retrieval. Cambridge University Press.
Mitchell, T. M. (2021). Machine Learning. McGraw-Hill.
Putra, (2025). Analisis Naive Bayes terhadap persepsi masyarakat pada fenomena bisnis digital di media sosial.
Sekaran, U., & Bougie, R. (2020). Research Methods for Business: A Skill-Building Approach. Wiley.
Social, W. A., & Meltwater. (2024). Digital 2024: Global Overview Report. We Are Social & Meltwater. https://wearesocial.com/us/blog/2024/01/digital-2024/
Taherdoost, H. (2020). Sampling methods in research methodology; how to choose a sampling technique for research. International Journal of Academic Research in Management (IJARM), 5(2), 18–27.
Tala, F. Z. (2021). A Study of Stemming Effects on Information Retrieval in Bahasa Indonesia. Universiteit van Amsterdam.
Tsiourlini, M., Tzafilkou, K., Karapiperis, D., & Tjortjis, C. (2024). Text Analytics on YouTube Comments for Food Products. Information, 15(6).
Visalli, A. (2026). Sentiment analysis in consumer science: An emerging approach to understanding affective meaning in digital opinions.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 M. Saleh, Dwi Yuli Prasetyo
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
