Penerapan Algoritma Naïve Bayes Dalam Memprediksi Tren Kuliner Di Tiktok

Perkembangan teknologi digital merevolusi strategi pemasaran di berbagai sektor, termasuk industri kuliner yang kini semakin mengandalkan media sosial sebagai sarana promosi. TikTok sebagai platform berbagi video pendek memainkan peran dominan dalam membentuk preferensi konsumen melalui konten visual yang interaktif dan mudah tersebar luas. Penelitian ini bertujuan memprediksi tren kuliner di TikTok menggunakan algoritma Naïve Bayes, yang dikenal efisien dalam pengolahan data besar dan menghasilkan prediksi berbasis probabilitas dengan akurasi tinggi. Metode yang digunakan bersifat kuantitatif dengan pengumpulan data primer melalui teknik web scraping dari 500 video bertagar #JatimKuliner. Setiap data mencakup jumlah suka, komentar, bagikan, durasi, dan informasi akun pengguna, selanjutnya diolah menggunakan Python. Proses pengolahan dimulai dari crawling, ekstraksi, pembersihan, normalisasi, hingga pemilihan fitur untuk klasifikasi. Model Naïve Bayes dilatih dan diuji, lalu
dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score yang seluruhnya menunjukkan hasil sempurna, 1.00 atau 100%. Temuan menunjukkan bahwa akun dengan jangkauan luas seperti Farida Nurhan dan Arumi Bachsin berkontribusi besar terhadap viralitas konten. Atribut jumlah suka dan bagikan menjadi indikator kuat penentu tren. Penelitian ini memberikan manfaat praktis bagi pelaku UMKM kuliner untuk menyusun strategi pemasaran yang adaptif terhadap tren pengguna TikTok serta menawarkan kontribusi akademis dalam
pengembangan model prediksi tren digital berbasis big data.