Perpustakaan Digital ITB

Industri film memiliki perkembangan yang pesat dan risiko investasi pada industri ini besar pula. Prediksi perlu dilakukan untuk menentukan seberapa lama film tersebut ditayangkan dan seberapa banyak bioskop yang menayangkannya. Pada Tugas Akhir ini, dilakukan klasifikasi sentimen dan analisis polaritasnya jika dikaitkan dengan performa suatu film. Dalam melakukan klasifikasi, digunakan dua metode utama, yaitu Naïve-Bayes dan TextBlob. Selanjutnya, dilakukan pula klasfisikasi menggunakan metode Naïve-Bayes dengan optimasi Particle Swarm Optimization (PSO). Dari hasil penelitian ini, didapatkan bahwa metode Naïve- Bayes dengan optimasi PSO dapat meningkatkan akurasi klasifikasi sentimen ulasan film pada 4 pekan awal dengan rentang akurasi 80.70% hingga 84.99%. Prediksi performa film tidak dapat dilihat langsung pada skor sentimen ulasan film pada 4 pekan awal. Namun demikian, analisis menggunakan skor sentimen film pada 4 pekan awal dapat menggambarkan popularitas dan pandangan masyarakat terkait film dengan cukup baik.