Banyaknya maskapai penerbangan yang tersedia saat ini memberikan pilihan bagi penumpang untuk memilih maskapai penerbangan yang akan mereka gunakan. Salah satu faktor yang mempengaruhi masyarakat untuk memilih maskapai penerbangan adalah dengan membaca review dari penumpang lain yang banyak tersebar di internet. Penelitian ini melakukan analisis sentimen pada review konsumen maskapai penerbangan. Metode untuk melakukan klasifikasi sentimen terbagi menjadi dua bagian yaitu metode berbasis kamus (Lexicon) dan berbasis pembelajaran (Supervised Model). Klasifikasi pada supervised model (machine learning) membutuhkan data pelatihan yang akan digunakan pada proses untuk menentukan klasifikasi dokumen pengujian sedangkan metode lexicon menggunakan kamus kata (lexical) untuk melakukan klasifikasi sentimen. Penelitian ini menggunakan kombinasi metode lexicon berbasis SentiWordNet dan machine learning. Metode klasifikasi berbasis lexicon digunakan untuk membuat (generate) data pelatihan dan untuk mengklasifikasikan sentimen dokumen menggunakan metode Naive Bayes Classifier (NBC) dan Support Vector Machine (SVM) sebagai metode machine learning. Hasil pengujian menunjukkan bahwa kata adjektif pada dokumen pelatihan sebagai data pelatihan memberikan persentase yang lebih besar dibandingkan menggunakan keseluruhan kata dalam dokumen pelatihan sebagai data pelatihan pada metode NBC dan SVM.

The number of the airlines available today is provide an option for the passengers to choose the airline that they will use. One of the factors that affect people to choose the airline is by reading the reviews from another passenger who widely spread on the internet. This study is to do sentiment analysis on the Airline consumer reviews. Sentiment classification is divided into two methods, Lexicon-based and Supervised Model Method. Supervised classifier (machine learning) methods require training data that will be used in the process to determine the classification of documents while lexicon-based method is using the lexical word to do sentiment classification. This research performs the combination of Lexicon-based SentiWordNet and machine learning. Lexicon-based method is using to generate the training data and in order to classify documents sentiment will use Naive Bayes Classifier (NBC) and Support Vector Machine (SVM) as the machine learning methods. The experimental result shows the adjective words in training documents as the training data achieves higher accuracy than using all words in training documents as training data for NBC and SVM method.

Kata Kunci : Sentiment Analysis, Classification, Sentiwordnet, Lexicon-based, Naive Bayes Classifier, Support Vector Machine