ANALISIS SENTIMEN ULASAN APLIKASI COFFEE SHOP MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE

Abstract

Analisis sentimen adalah metode untuk mengklasifikasikan opini dan pola menarik dari kumpulan data berbentuk teks. Analisis sentimen dapat diterapkan dalam berbagai hal, salah satunya pada aplikasi coffee shop. Seiring perkembangan zaman, banyak perusahaan di berbagai bidang yang menggunakan aplikasi online untuk memudahkan aktivitas transaksinya. Permintaan akan layanan berkualitas tinggi meningkat seiring dengan meningkatnya popularitas aplikasi. Setiap pengguna aplikasi ini dapat memberikan ulasan mengenai aplikasi ini di situs Google Play Store. Informasi data tekstual dari review pengguna pada aplikasi di Google Play Store dapat digunakan sebagai bahan evaluasi dengan menggunakan bantuan analisis sentimen dengan membagi data menjadi kelas positif, netral dan negatif untuk mendapatkan nilai akurasi yang optimal. Oleh karena itu, penelitian ini ingin melihat pola ulasan data sentimen dan mengidentifikasi perbedaan performa algoritma Support Vector Machine dengan menggunakan kernel linear, kernel polynomial, dan kernel Radial Basis Function (RBF) pada tiga fitur n-gram (unigram, bigram, dan trigram). Pemodelan SVM menggunakan kernel linear pada fitur unigram menghasilkan performa terbaik dalam mengklasifikasikan sentimen dengan nilai akurasi dan macro average F1-score yang didapat sebesar 77% dan 53%. Secara keseluruhan, kernel linear dan RBF pada ketiga fitur n-gram memberikan hasil klasifikasi terbaik. Sebaliknya, kernel polynomial memberikan hasil klasifikasi terendah. Fitur unigram memberikan hasil klasifikasi terbaik dan fitur trigram memberikan hasil klasifikasi terendah untuk ketiga kernel. Kata kunci: Analisis sentimen, Kernel, n-gram, Review, Support Vector Machine.