PENERAPAN SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN ULASAN APLIKASI OVO PADA PLATFORM GOOGLE PLAY STORE

Abstract

Penelitian ini difokuskan pada pengkajian pola sentimen yang muncul dari opini pengguna terhadap layanan dompet digital OVO. Analisis dilakukan menggunakan kumpulan ulasan yang dihimpun dari platform Google Play Store. Studi ini menggunakan alur kerja text mining yang mencakup langkah preprocessing serta proses pelabelan sentimen, baik secara manual maupun aturan tertentu. Metode ekstraksi fitur yang diaplikasikan adalah Term Frequency Inverse Document Frequency (TF-IDF), serta Proses klasifikasi dilakukan dengan memanfaatkan algoritma Support Vector Machine (SVM). Beberapa langkah yang dilakukan mencakup pembersihan teks, normalisasi, tokenisasi, penghapusan stopword, serta proses stemming terbukti sangat berpengaruh dalam meningkatkan kualitas data, sejalan dengan penelitian terdahulu yang menegaskan pentingnya preprocessing dalam meningkatkan performa model. Pendekatan TF-IDF terbukti efektif dalam mentransformasikan teks ulasan ke dalam bentuk numerik sebagai masukan bagi model. Sehingga model mampu membedakan kata-kata yang relevan. Hasil eksperimen menunjukkan bahwa algoritma SVM menghasilkan performa terbaik dalam mengklasifikasikan sentimen menjadi kategori positif, dan negatif. Evaluasi performa dilakukan menggunakan indikator akurasi, presisi, recall, dan F1-score. Temuan tersebut memperkuat bukti bahwa SVM memiliki kemampuan yang baik dalam memproses data teks dengan dimensi fitur yang besar. Visualisasi sentimen berupa diagram pie, diagram batang, dan wordcloud juga membantu memperjelas pola persepsi pengguna terhadap aplikasi. Secara keseluruhan, penelitian ini membuktikan bahwa kombinasi preprocessing yang efektif, ekstraksi fitur TF-IDF. Diharapkan hasil penelitian ini dapat dimanfaatkan sebagai acuan pengembangan sistem analisis sentimen serta memberikan rekomendasi bagi pengembang aplikasi dalam meningkatkan mutu layanan dompet digital.