Analisis Sentimen Ulasan Pengguna DayTrans Menggunakan Support Vector Machine
Abstract
Aplikasi layanan transportasi publik menghasilkan banyak ulasan pengguna yang memuat opini mengenai kualitas layanan. Banyaknya ulasan menyebabkan proses analisis secara manual menjadi kurang efisien dan membutuhkan waktu yang cukup lama. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna DayTrans yang diperoleh dari Google Play serta mengevaluasi performa algoritma Support Vector Machine (SVM) dalam mengklasifikasikan sentimen ke dalam kelas positif, negatif, dan netral. Dataset yang digunakan terdiri atas 1.082 ulasan, dengan 394 ulasan positif, 621 ulasan negatif, dan 67 ulasan netral. Data teks diproses melalui tahapan case folding, cleansing, tokenization, normalisasi slangword, stopword removal, dan stemming. Ekstraksi fitur dilakukan menggunakan Term Frequency-Inverse Document Frequency (TF-IDF). Dataset kemudian dibagi secara stratified dengan rasio 80:20 sehingga diperoleh 864 data training dan 218 data testing. Proses klasifikasi menggunakan SVM dengan kernel linear dan pendekatan one-vs-rest. Evaluasi model dilakukan menggunakan confusion matrix serta metrik accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan accuracy sebesar 78,44%, macro precision 66,96%, macro recall 73,07%, dan macro F1-score 68,36%. Kelas sentimen negatif memperoleh performa klasifikasi tertinggi, sedangkan kelas netral memiliki performa lebih rendah karena jumlah data yang terbatas. Hasil evaluasi memperlihatkan bahwa SVM mampu digunakan untuk mengklasifikasikan sentimen ulasan pengguna DayTrans, meskipun keseimbangan jumlah data khususnya pada kelas netral masih perlu diperhatikan untuk meningkatkan performa model.








_(1)_(2).png)
This work is licensed under a