Implementasi Metode Support Vector Machine untuk Analisis Sentimen pada Ulasan Aplikasi Sayurbox di Google Play Store

Anne Mudya Yolanda; Ridho Tri Mulya; Ridho Tri Mulya

doi:10.35580/variansiunm258

Anne Mudya Yolanda Statistics Universitas Riau
Ridho Tri Mulya Statistika Universitas Riau
Ridho Tri Mulya Statistika Universitas Riau

DOI: https://doi.org/10.35580/variansiunm258

Keywords: klasifikasi ulasan, kepuasan pengguna, Support Vector Machine (SVM)

Abstract

Penelitian ini bertujuan untuk menganalisis kinerja metode Support Vector Machine (SVM) dalam mengklasifikasikan ulasan pengguna aplikasi Sayurbox yang terkenal di Indonesia. Data ulasan diperoleh melalui scraping dari Google Play Store antara tahun 2017 hingga 2023. Ulasan dan rating yang diberikan pengguna digunakan sebagai indikator untuk mengevaluasi kepuasan terhadap layanan yang disediakan. Dalam penelitian ini, metode SVM digunakan untuk memproses data ulasan tersebut. Hasil klasifikasi menunjukkan bahwa metode SVM mencapai akurasi sebesar 89,29%. Selain itu, berdasarkan Confusion Matrix, nilai precision yang diperoleh adalah 91,42%, recall 95,58%, dan f1-score 93,50%. Temuan ini menunjukkan bahwa SVM merupakan metode yang efektif dalam mengklasifikasikan ulasan pengguna, yang dapat memberikan wawasan berharga untuk meningkatkan kualitas pelayanan Sayurbox.

References

Amalia, V. R., Adiarni, N., & Aminudin, I. (2023). Pengaruh Kesadaran Merek, Electronic Word of Mouth Dan Saluran Pemasaran Digital Terhadap Keputusan Pembelian Buah-Buahan Melalui E-Grocery. Mimbar Agribisnis : Jurnal Pemikiran Masyarakat Ilmiah Berwawasan Agribisnis, 9(2), 2963. https://doi.org/10.25157/ma.v9i2.10796
Cristianini, N., & Shawe-Taylor, J. (2013). An Introduction to Support Vector Machines and Other Kernel-based Learning Methods (Online edi). Cambridge University Press. https://doi.org/https://doi.org/10.1017/CBO9780511801389
Farhan Nufairi, Nunik Pratiwi, F. H. (2024). Analisis sentimen pada ulasan aplikasi threads di google play store menggunakan algoritma support vector machine. JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika), 9(1), 339–348.
Fide, S., Suparti, S., & Sudarno, S. (2021). Analisis Sentimen Ulasan Aplikasi Tiktok Di Google Play Menggunakan Metode Support Vector Machine (Svm) Dan Asosiasi. Jurnal Gaussian, 10(3), 346–358. https://doi.org/10.14710/j.gauss.v10i3.32786
Fransiska, S., Rianto, & Gufroni, A. I. (2020). Sentiment Analysis Provider by.U on Google Play Store Reviews with TF-IDF and Support Vector Machine (SVM) Method. Scientific Journal of Informatics, 7(2), 2407–7658.
Idris, I. S. K., Mustofa, Y. A., & Salihi, I. A. (2023). Analisis Sentimen Terhadap Penggunaan Aplikasi Shopee Mengunakan Algoritma Support Vector Machine (SVM). Jambura Journal of Electrical and Electronics Engineering, 5(1), 32–35. https://doi.org/10.37905/jjeee.v5i1.16830
Liu, B. (2015). Sentiment analysis: Mining opinions, sentiments, and emotions. In Sentiment Analysis: Mining Opinions, Sentiments, and Emotions. https://doi.org/10.1017/CBO9781139084789
Liu, B. (2020). Sentiment Analysis: Mining Opinions, Sentiments, and Emotions (2nd Editio). Cambridge University Press.
Mahardika, Y. S., & Zuliarso, E. (2018). Analisis Sentimen Terhadap Pemerintahan Joko Widodo Pada Media Sosial Twitter Menggunakan Algoritma Naives Bayes Classifier. Prosiding SINTAK 2018, 2015, 409–413.
Manik, G., Ernawati, I., & Nurlaili, I. (2021). Analisis sentimen pada review pengguna e-commerce bidang pangan menggunakan metode support vector machine (studi kasus : review sayurbox dan tanihub pada google play. Prosiding Seminar Nasional Mahasiswa Bidang Ilmu Komputer Dan Aplikasinya, 2(2), 64–74.
Manning, C. D., Raghavan, P., & Schütze, H. (2009). Introduction to Modern Information Retrieval (2nd editio). Cambridge University Press. https://doi.org/10.1108/00242530410565256
Oktafani, M., & Prasetyaningrum, P. T. (2022). Implementasi Support Vector Machine Untuk Analisis Sentimen Komentar Aplikasi Tanda Tangan Digital. Jurnal Sistem Informasi Dan Bisnis Cerdas, 15(1), 10–19. https://doi.org/10.33005/sibc.v15i1.4
Rozi, A. F., Purnomo, A. S., Studi, P., Informasi, S., Informasi, F. T., Mercu, U., Yogyakarta, B., Informatika, P. S., Informasi, F. T., Mercu, U., Yogyakarta, B., & Mining, T. (2021). Analisis Sentimen Untuk Respon Masyarakat Terhadap Universitas (Studi Kasus : Universitas Mercu Buana Yogyakarta). JURNAL INFORMATION SYSTEM & ARTIFICIAL INTELLIGENCE, 1(2), 53–60.
Salsabila, A., Sihombing, J. J., & Sitorus, R. I. (2022). Implementasi Algoritma Support Vector Machine Untuk Analisis Sentimen Aplikasi OLX di Playstore. Journal of Informatics and Data Science, 1(2). https://doi.org/10.24114/j-ids.v1i2.42597
Sari, F. V., & Wibowo, A. (2019). Analisis Sentimen Pelanggan Toko Online Jd.Id Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi. Jurnal SIMETRIS, 10(2), 681–686.