Text
Penerapan Metode Klasifikasi Support Vector Machine Dalam Analisis Sentimen Ulasan Pengguna Layanan Goride Pada Aplikasi Gojek Di Google Play Store
Goride merupakan salah satu layanan transportasi daring yan banyak
digunakan pada aplikasi Gojek di Indonesia. Ulasan pengguna di Google Play Store
dapat menjadi sumber informasi penting untuk memahami tingkat kepuasan dan
persepsi pengguna terhadap kualitas layanan. Penelitian ini bertujuan untuk
mengklasifikasikan sentimen ulasan pengguna Goride menggunakan metode
machine learning berbasis Support Vector Machine (SVM). Data penelitian terdiri
dari atas 659 ulasan yang dikumpulkan melalui web scrapping pada periode
Januari-Desember 2024. Tahapan pra-pemrosesan meliputi case folding, cleansing,
normalisasi slang, tokenisasi, stopword removal, dan stemming. Pelabelan
sentimen dilakukan secara semi-otomatis menggunakan model BERT dan
diverifikasi secara manual. Ekstraksi fitur menggunakan Term Frequency-Inverse
Document Frequency (TF-IDF), sedangkan pemilihan parameter optimal SVM
dilakukan dengan GridSearchCV. Hasil pengujian menunjukkan bahwa konfigurasi
terbaik (C=0,1, kernel linear, gamma=scale) menghasilkan akurasi 89%, precision
87%, recall 72%, dan F1-score 79%. Dibandingkan algoritma lain, SVM
menunjukkan performa paling stabil dan konsisten. Selain itu, penelitian ini
menghasilkan aplikasi web SentimenGo berbasis Streamlit yang mampu
melakukan analisis dataset baru maupun prediksi ulasan secara real-time. Temuan
ini menunjukkan bahwa SVM dengan TF-IDF efektif digunakan untuk analisis
sentimen ulasan Goride dan berpotensi mendukung evaluasi layanan secara
sistematis.
Kata Kunci: Goride, Analisis Sentimen, SVM, TF-IDF, Streamlit
Tidak tersedia versi lain