ANALISIS KOMPARATIF KLASIFIKASI SENTIMEN KONSUMEN TERHADAP PENAMBAHAN ACAR BAWANG PADA MENU STEAK DI RESTORAN GANDY STEAK JALAN BUMI JAKARTA SELATAN

Abstract

Kemajuan teknologi informasi telah mendorong perubahan perilaku konsumen dalam memberikan penilaian terhadap produk dan layanan melalui ulasan daring. Salah satu bentuk inovasi yang menjadi sorotan di industri kuliner adalah penambahan acar bawang pada menu steak di restoran Gandy Steak, yang dinilai mampu meningkatkan cita rasa sekaligus menjadi daya tarik unik bagi pengunjung. Namun, persepsi konsumen terhadap inovasi tersebut beragam sehingga diperlukan analisis berbasis teks untuk memahami kecenderungan sentimen yang terbentuk. Penelitian ini membandingkan kinerja algoritma Support Vector Machine (SVM) dan Multinomial Naïve Bayes (MNB) dalam klasifikasi sentimen ulasan konsumen terhadap inovasi menu acar bawang di restoran Gandy Steak. Data diperoleh melalui web scraping dari Google Review, diproses dengan tahapan case folding, cleaning, tokenisasi, lemmatization, dan stopword removal, serta pembobotan kata menggunakan TF-IDF. Hasil menunjukkan bahwa SVM lebih unggul dengan akurasi 91–93%, peningkatan macro average f1-score (0.41–0.49) dan weighted average f1-score (0.88–0.90), meskipun kelas negatif tidak terdeteksi. Sebaliknya, MNB hanya efektif pada kelas netral dengan akurasi sekitar 90%, recall 100%, dan f1-score 0.95, namun gagal mengenali kelas positif dan negatif sehingga macro average f1-score tetap rendah (0.32). Temuan ini menegaskan bahwa SVM lebih representatif untuk analisis sentimen konsumen, khususnya dalam menilai inovasi menu berbasis cita rasa seperti penambahan acar bawang di restoran Gandy Steak