OPTIMALISASI MODEL KLASIFIKASI MENGGUNAKAN ALGORITMA SVM DENGAN RESAMPLING TERHADAP DATA IMBALNCE ULASAN MYSUZUKI DI PLAYSTORE

Abstract

Penelitian ini bertujuan untuk mengimplementasikan analisis sentimen terhadap ulasan pengguna aplikasi My Suzuki di Google Play Store menggunakan algoritma Support Vector Machine (SVM), menganalisis pengaruh teknik resampling terhadap performa klasifikasi, serta membandingkan performa model SVM dengan dan tanpa resampling berdasarkan nilai accuracy, precision, recall, dan F1-score. Permasalahan utama dalam penelitian ini adalah ketidakseimbangan distribusi data sentimen yang berpotensi menyebabkan model klasifikasi menjadi bias terhadap kelas mayoritas. Dataset yang digunakan terdiri dari 1.227 ulasan pengguna aplikasi My Suzuki yang diklasifikasikan ke dalam tiga kategori sentimen, yaitu positif, negatif, dan netral. Metode penelitian meliputi tahapan scraping data, preprocessing teks yang terdiri dari lowercase, cleaning, stopword removal, tokenizing, dan stemming, pelabelan data secara manual oleh ahli bahasa, penanganan imbalance data menggunakan teknik oversampling, ekstraksi fitur menggunakan TF-IDF, serta proses klasifikasi menggunakan algoritma Support Vector Machine (SVM). Evaluasi model dilakukan menggunakan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score.

Hasil penelitian menunjukkan bahwa penggunaan teknik resampling mampu meningkatkan performa klasifikasi sentimen secara signifikan. Model SVM tanpa resampling memperoleh accuracy sebesar 73%, sedangkan model SVM menggunakan oversampling berhasil mencapai accuracy sebesar 90%. Selain itu, nilai precision, recall, dan F1-score pada seluruh kelas sentimen mengalami peningkatan yang lebih seimbang setelah dilakukan resampling. Teknik oversampling terbukti membantu model dalam mengenali pola data pada kelas minoritas, khususnya sentimen netral yang sebelumnya sulit diklasifikasikan dengan baik. Hasil visualisasi WordCloud juga menunjukkan bahwa sentimen negatif pengguna didominasi oleh keluhan terkait layanan, pengiriman suku cadang, dan performa aplikasi, sedangkan sentimen positif didominasi oleh kemudahan penggunaan aplikasi dan layanan servis kendaraan.Berdasarkan hasil penelitian, dapat disimpulkan bahwa kombinasi algoritma Support Vector Machine (SVM) dan teknik resampling merupakan pendekatan yang efektif dan optimal dalam analisis sentimen ulasan aplikasi My Suzuki di Google Play Store. Penelitian ini diharapkan dapat membantu pengembang aplikasi dalam memahami persepsi pengguna serta meningkatkan kualitas layanan aplikasi berbasis data ulasan pengguna.