Reynaldi Yogasitonda Pengarang Yelly Y. Nabuasa, S.Kom, M.Cs Dosen Pembimbing 2 Bertha S. Djahi, S.Kom., MT Dosen Pembimbing 1 Tiwuk Widiastuti, S.Si., M.Kom Penguji 1 Kornelis Letelay, S.Kom, M.Cs Penguji 2 Nelcy Dessy Rumlaklak, S.Kom.,M.Kom Ketua Penguji

Analisis Sentimen adalah salah satu cabang Pemrosesan Bahasa Alami (Natural Language Processing/NLP) yang bertujuan untuk mengklasifikasikan opini atau emosi yang terkandung dalamdata teks. Penelitian ini berfokus pada evaluasi kinerja algoritma Multinomial Naive Bayes (MNB)menggunakan berbagai model N-gram dan kombinasinya. Tujuan dari penelitian ini adalah untukmenentukan konfigurasi N-gram mana yang menghasilkan akurasi klasifikasi sentimen terbaik.Dataset yang digunakan adalah data teks Bahasa Inggris yang telah melalui tahap praproses seperticase folding, penghapusan singkatan, penghapusan HTML, penghapusan stopword, stemming, danekstraksi fitur N-gram. Setiap model dievaluasi menggunakan metrik Area Under the ReceiverOperating Characteristic Curve untuk menilai efektivitasnya. Hasil eksperimen menunjukkanperforma yang bervariasi. Model unigram menghasilkan skor AUC tertinggi sebesar 0,867 dengan8000 data latih, meskipun terjadi penurunan sebesar 0,016 pada jumlah data yang lebih besar.Sementara itu, model bigram, trigram, dan berbagai kombinasi dari N-grams menunjukkanpeningkatan yang lebih stabil namun belum mampu melampaui performa unigram. Hal inikemungkinan disebabkan oleh keterbatasan jumlah data atau tingkat kelangkaan (sparsity) fitur yangdihasilkan. Kata Kunci: Analisis Sentimen, Multinomial Naïve-Bayes, N-Grams, Pemrosesan Bahasa Alami, Text Mining.