Abstrak
Penelitian ini bertujuan untuk menganalisis sentimen dari ulasan pengguna di situs web MyAnimeList, sebuah platform populer untuk diskusi dan penilaian terkait anime. Untuk melakukan analisis ini, metode Classification and Regression Tree (CART) digunakan dalam kombinasi dengan Term Frequency-Inverse Document Frequency (TF-IDF) sebagai teknik ekstraksi fitur teks. Proses dimulai dengan pengumpulan data ulasan dari MyAnimeList, yang kemudian diproses menjadi data tekstual yang dapat dianalisis. TFIDF digunakan untuk mengekstrak fitur dari data teks, yang kemudian dimasukkan ke dalam model CART untuk mengklasifikasikan sentimen ulasan menjadi kategori positif atau negatif. Hasil dari penelitian ini menunjukkan bahwa kombinasi metode CART dan TF-IDF mampu memberikan performa yang baik dalam mengklasifikasikan sentimen ulasan pengguna dengan tingkat performansi terbaik pada akurasi sebesar 56,50%, precision sebesar 57,14%, recall sebesar 57,15% dan F1-Score sebesar 64,08%. Penelitian ini berkontribusi pada pengembangan teknik analisis sentimen berbasis teks khususnya dalam domain ulasan anime, serta memberikan wawasan bagi pengembang platform dalam memahami persepsi pengguna.
Kata Kunci : Analisis, Sentimen, TF-IDF, Klasifikasi, Ulasan, CART, MyAnimeList