Implementasi Metode Leksikon dengan Stemming Sastrawi pada Python untuk ekstraksi opini pelanggan warung sate di Purbalingga

Abstract

Ulasan pelanggan pada platform digital merupakan aset krusial bagi pengembangan bisnis kuliner, namun analisisnya secara manual tidak efisien seiring bertambahnya volume data. Penelitian ini bertujuan merancang dan mengimplementasikan sistem klasifikasi sentimen otomatis terhadap ulasan pelanggan warung sate di Kabupaten Purbalingga, sebuah domain kuliner lokal yang memiliki karakteristik bahasa unik dan jarang diteliti. Penelitian ini menerapkan metode Pemrosesan Bahasa Alami (NLP) dengan pendekatan berbasis leksikon terhadap 1000 ulasan yang dikumpulkan dari Google Maps. Setelah melalui tahap pembersihan data, sebanyak 915 ulasan valid dianalisis lebih lanjut. Proses NLP meliputi case folding, tokenizing, stopword removal, dan stemming menggunakan library Sastrawi, dengan kamus leksikon terdiri dari 61 kata positif dan 61 kata negatif. Evaluasi model terhadap rating bintang asli menunjukkan akurasi keseluruhan sebesar 63%. Meskipun model menunjukkan performa yang baik dalam mengidentifikasi sentimen positif (F1-score 0.77), performanya terbatas pada kelas negatif (F1-score 0.28) dan netral (F1-score 0.20). Hasil ini mengindikasikan bahwa pendekatan leksikon efektif sebagai dasar analisis opini, namun pengembangan lebih lanjut diperlukan untuk mengatasi tantangan seperti ketidakseimbangan data dan kompleksitas bahasa pada ulasan.