Analisis Sentimen Ulasan Aplikasi Indrive Menggunakan Algoritma Support Vector Machine (SVM)
Tahun 2025 · Penulis: Saila Fidhi Rohmah
Faculty of Mathematics and Natural Sciences, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/11728
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
Analisis Sentimen Ulasan Aplikasi Indrive Menggunakan Algoritma Support Vector Machine (SVM)
Google Play Store adalah platform yang menyediakan berbagai aplikasi dan permainan. Banyaknya pilihan aplikasi yang tersedia mengharuskan pengguna untuk lebih selektif dalam memilih aplikasi yang tepat. Salah satu aplikasi yang tersedia di Google Play Store adalah InDrive. Pengguna sering menyatakan pendapat mereka tentang InDrive melalui ulasan di platform. Ulasan ini berfungsi sebagai sumber daya yang berharga untuk mengevaluasi kualitas aplikasi dan sering mempengaruhi keputusan pengguna ketika memilih aplikasi. Namun, informasi yang dimuat dalam ulasan pengguna sangat beragam, sehingga sulit menentukan apakah ulasan itu menyatakan perasaan positif atau negatif. Masalah ini dapat diatasi dengan analisis sentimen. Penelitian ini menggunakan algoritma Vektor Dukungan (SVM) untuk melakukan analisis sentimen pada ulasan pengguna dari aplikasi InDrive. Tujuan utama adalah untuk mengevaluasi kinerja algoritma SVM dan menganalisis sentimen pengguna terhadap aplikasi. Analisa sentimen melibatkan pemrosesan ulasan pengguna, mengubahnya menjadi representasi numerik, dan mengklasifikasikan mereka menggunakan SVM. Proses klasifikasi termasuk memilih kernel terbaik SVM antara empat pilihan: linear, fungsi radial dasar (RBF), polinomial, dan sigmoid. Hasilnya menunjukkan bahwa kernel linear melakukan yang terbaik, mencapai akurasi 96% dalam pelatihan dan 91% akurasi dalam pengujian. Selain itu, analisis sentimen memanfaatkan teknik-teknik tambang opini untuk mengidentifikasi fitur-fitur utama yang mempengaruhi perasaan positif dan negatif. Temuan ini mengungkapkan bahwa kata-kata positif kelas tinggi umumnya mencerminkan aspek-aspek yang dihargai oleh pengguna, seperti keunggulan dalam layanan, kemudahan penggunaan, dan kelestarian aplikasi. Sebaliknya, kata-kata negatif kelas tinggi menunjukkan beberapa isu yang perlu diperbaiki, seperti kekhawatiran tentang kepercayaan pengemudi pada sistem, khususnya mengenai keadilan, pembayaran, dan rating.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,868
Tahun 2025 · Penulis: Saila Fidhi Rohmah
Analisis Sentimen Ulasan Aplikasi Indrive Menggunakan Algoritma Support Vector Machine (SVM)
Aplikasi inDrive merupakan salah satu aplikasi transportasi yang tersedia di Google Play Store. InDrive adalah aplikasi ride-hailing yang menawarkan sistem negosiasi harga langsung antara penumpang dan pengemudi, sehingga memberikan fleksibilitas dalam menentu
- Cosine 0,861
Tahun 2025 · Penulis: Siti Nurul Laili
Analisis Sentimen Ulasan Pengguna Aplikasi Access by KAI Berbasis Metode M-S-Qual Menggunakan Algoritma Support Vector Machine
Access by KAI merupakan aplikasi transportasi yang diluncurkan oleh PT Kereta Api (Persero) dengan tujuan memudahkan pengguna dalam melakukan pemesanan dan pembelian tiket kereta api. Namun, tidak sedikit pengguna merasa tidak puas dengan aplikasi ini dapat di
- Cosine 0,819
Tahun 2026 · Penulis: Trisna Ayu Wulandari
Analisis Sentimen Komentar YouTube Terhadap OST Film Jumbo Menggunakan Metode Support Vector Machine (SVM)
Analisis sensimen adalah teknik yang digunakan untuk mengubah data tekstual menjadi informasi yang bermakna dengan mengklasifikasikan opini menjadi kategori positif, negatif, dan netral. Namun, data tekstual sering kali menghadirkan tantangan seperti karakteri