<![CDATA[Zaman sekarang tren masyarakat untuk memesan tiket pesawat sudah melalui situs-situs booking online. Pegipegi.com merupakan salah satu website yang menyediakan pemesanan tiket dan menyediakan fitur ulasan bagi pengunjung untuk menyampaikan opini. Pengunjung lain yang membaca ulasan-ulasan tersebut dapat memperoleh gambaran secara lebih objektif mengenai maskapai penerbangan. Ulasan pengguna yang terdapat pada website pegipegi.com saat ini sudah sangat banyak sehingga hal ini menyulitkan dan memakan waktu untuk membaca secara keseluruhan. Oleh karena itu dirancang analisis sentimen guna membantu mengklasifikasi ulasan kedalam kategori positif atau negatif sehingga dapat memberikan rekomendasi maskapai penerbangan berdasarkan jumlah kategori ulasan. Metode yang diterapkan untuk klasifikasi sentimen adalah Naïve Bayes dengan seleksi fitur Information Gain. Adapun tujuan dari penelitian ini adalah mengetahui pengaruh dari pemilihan fitur Information Gain terhadap akurasi klasifikasi dan membuktikan bahwa metode Naïve Bayes dengan Information Gain dapat digunakan untuk klasifikasi analisis sentimen. Hasil pengujian yang telah dilakukan menunjukkan bahwa nilai rata-rata akurasi, precision, recall setelah penambahan Information Gain menunjukkan hasil yang lebih baik sebesar 0,865 jika dibandingkan sebelum penambahan information gain yakni sebesar 0,81. AbstractNowadays people tend to order airplane tickets through online booking sites. Pegipegi.com is a website that provides ticket reservations and a review section for visitors to express their opinions. Other visitors who read the reviews can get a more objective picture of airlines. The user reviews contained on the pegipegi.com website are currently very large so this makes it difficult and time consuming to read in its entirety. Therefore sentiment analysis is designed to help classify reviews into positive or negative categories so that they can provide airline recommendations based on the number of review categories. The method applied for sentiment classification is Naïve Bayes with the Information Gain feature selection. The purpose of this study was to determine the effect of selecting the Information Gain feature on classification accuracy and prove that the Naïve Bayes method with Information Gain can be used for the classification of sentiment analysis. The results of the tests that have been done show that the average value of accuracy, precision, recall after adding Information Gain shows better results of 0.865 compared to the addition of information gain which is equal to 0.81.]]>
