Berdasarkan data yang ada saat ini, terjadi penambahan pengguna media sosial yang menunjukan bahwa semakin banyak masyarakat menggunakan media sosial sebagai tempat untuk mengekspresikan diri serta emosi mereka. Hal tersebut akan menimbulkan ribuan cuitan dalam waktu sehari. Data cuitan tersebut diolah sehingga berguna untuk stakeholder yang membutuhkan dalam membantunya mengambil sebuah keputusan. Karena struktur kalimat pada media sosial seringkali tidak teratur, maka penggunaan pre-processing diperlukan untuk membuat kalimat cuitan tersebut menjadi normal. Stemming dan Stopwords merupakan pre-processing yang banyak digunakan dalam sentimen analisis. Pada penelitian sebelumnya ada indikasi bahwa penggunaanya tidak memberikan pengaruh signifikan pada akurasi. Pada Penelitian ini penulis membaginya menjadi empat model, dengan menggunakan stemming dan stopwords dan tanpa menggunakan stemming dan stopwords. Data yang menggunakan stemming mendapatkan hasil yang terbaik dengan nilai f1-score 65%. Hasil tersebut menunjukan terjadinya peningkatan performa dalam penggunaan stemming dan stopwords dengan menggunakan Multi-class Naïve Bayes.
Kata Kunci:
Naïve Bayes, Pre-processing, Stemming, Stopwords, Sentimen Analisis