Analisis Kepuasan Pengguna Aplikasi Gojek Berdasarkan Ulasan Menggunakan SVM
Keywords:
Analisa Sentimen,, Klasifikasi,, SVM Klasifikasi,, Gojek, kaggle, PythonAbstract
Perkembangan layanan transportasi digital mendorong meningkatnya ulasan pengguna di platform seperti Google Play Store, sehingga diperlukan metode otomatis untuk menganalisis sentimen tersebut. Penelitian ini bertujuan untuk menganalisis sentimen pengguna aplikasi Gojek menggunakan algoritma Support Vector Machine (SVM) berbasis representasi fitur TF-IDF. Dataset yang digunakan berjumlah 12.500 ulasan yang diperoleh dari platform Kaggle, terdiri dari lima kategori sentimen: sangat negatif, negatif, netral, positif, dan sangat positif, masing-masing berjumlah 2.500 data. Tahapan preprocessing yang diterapkan meliputi cleansing, case folding, tokenizing, stopword removal, dan stemming menggunakan bahasa pemrograman Python. Data dibagi dengan rasio 80:20 menggunakan stratified split, menghasilkan 10.000 data latih dan 2.500 data uji. Model SVM dilatih menggunakan kernel linear dengan parameter C=1,0 dan representasi TF-IDF dengan max_features=5.000. Hasil evaluasi menunjukkan akurasi sebesar 51,32%, dengan kelas sangat_positif memperoleh performa terbaik (F1-Score = 0,6908) dan kelas netral memperoleh performa terendah (F1-Score = 0,4283). Hasil ini mengindikasikan bahwa klasifikasi sentimen lima kelas dengan SVM dan TF-IDF masih memiliki keterbatasan dalam membedakan kelas-kelas yang memiliki perbedaan semantik tipis, sehingga diperlukan pengembangan lebih lanjut seperti normalisasi kata tidak baku dan penggunaan metode word embedding.