ANALISIS SENTIMEN ULASAN PENGGUNA GOJEK MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

Abstract

Kemajuan teknologi digital telah mendukung pertumbuhan layanan transportasi daring seperti Gojek. Penelitian ini menggunakan pendekatan klasifikasi dengan algoritma Support Vector Machine (SVM) untuk menganalisis sentimen dari review pengguna Gojek. Sebanyak 2001 ulasan dari tahun 2017–2024 diambil dari Kaggle. Proses meliputi preprocessing (case folding, tokenisasi, filtering, dan stemming), lalu transformasi data menggunakan TF-IDF. Sentimen diklasifikasi menjadi positif, negatif, dan netral berdasarkan rating. Model SVM dilatih dengan data 80:20 untuk pelatihan dan pengujian. Hasil menunjukkan akurasi 84,75%, dengan f1-score prediksi paling akurat dalam kelas positif (0,89) dan terendah pada kelas netral (0,00). Rata-rata berbobot precision, recall, dan f1-score masing-masing 0,83, 0,85, dan 0,83. SVM terbukti efektif untuk klasifikasi sentimen, meskipun akurasi pada kelas netral masih perlu ditingkatkan