| dc.description.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. | |
