Analisis Sentimen Komentar Resep Masakan Indonesia dengan Machine Learning dan Fitur Ekstraksi Word2Vec

Perkembangan teknologi digital telah mendorong meningkatnya aktivitas pengguna dalam mengekspresikan opini melalui media sosial, termasuk komentar terhadap resep masakan Indonesia. Analisis sentimen digunakan untuk memahami kecenderungan opini tersebut secara otomatis menggunakan pendekatan machine learning. Penelitian ini bertujuan untuk menganalisis pengaruh penerapan fitur ekstraksi Word2Vec terhadap peningkatan kinerja tiga algoritma klasifikasi teks, yaitu Naïve Bayes, K-Nearest Neighbor (KNN), dan Random Forest, dalam mengklasifikasikan komentar positif dan negatif pada dataset komentar resep masakan Indonesia. Tahapan penelitian meliputi preprocessing data (tokenisasi, stopword removal, dan stemming), pelabelan sentimen, ekstraksi fitur Word2Vec, serta pengujian model menggunakan pembagian data 80:20. Evaluasi dilakukan menggunakan empat metrik, yaitu accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa penerapan fitur Word2Vec mampu meningkatkan performa seluruh model. Akurasi tertinggi diperoleh pada model Random Forest dengan Word2Vec sebesar 84,07%, disusul Naïve Bayes sebesar 84,07%, dan KNN sebesar 79,70%. Nilai F1-score terbaik juga diperoleh oleh Random Forest sebesar 84,45%. Peningkatan performa ini menunjukkan bahwa representasi semantik Word2Vec mampu memperkaya pemahaman model terhadap makna dan konteks kata dalam teks, sehingga lebih efektif dalam mengidentifikasi sentimen pengguna terhadap resep masakan Indonesia.