Sentimen Analisis Pada Ulasan Aplikasi Ajaib Di Google Play Store Dengan Algoritma Support Vector Machine

Alfi Syahri, Angraini Angraini, fitriani Muttakin

Abstract


Perkembangan aplikasi mobile di bidang keuangan telah memberikan kemudahan dalam berinvestasi. Salah satu aplikasi yang bisa melakukan investasi adalah aplikasi Ajaib. Dalam menggunakan aplikasi, Anda dapat melihat rating dan review yang diberikan oleh pengguna di platform Google Play Store. Ulasan pengguna pada Aplikasi Ajaib memberikan gambaran penting bagi calon pengguna dalam memahami kualitas dan kepuasan pengguna. Namun, banyaknya tinjauan membuat analisis manual menjadi sulit dan tidak efisien. Oleh karena itu diperlukan suatu teknik klasifikasi review yang memanfaatkan algoritma Support Vector Machine (SVM). Implementasinya dilakukan melalui bahasa pemrograman Python. Teknik Support Vector Machine menunjukkan akurasi luar biasa dalam menangani data berdimensi tinggi dan data tidak seimbang. Tujuan dari penelitian ini adalah untuk memfasilitasi kemajuan Aplikasi Ajaib dengan memanfaatkan umpan balik yang diberikan, mengatasi keluhan pelanggan, dan meningkatkan pengalaman pengguna secara keseluruhan. Data yang digunakan diambil dari review aplikasi sebanyak 5000 data dengan rating yang bervariasi pada bulan Januari hingga Oktober 2023. Berdasarkan hasil penelitian diperoleh akurasi sebesar 87,57%. Pada kelas positif diperoleh presisi 93%, recall 97%, dan skor f-1 95%. Sedangkan kelas netral memperoleh presisi sebesar 75%, recall 53%, dan skor f-1 sebesar 62%. Serta pada kelas negatif mendapatkan presisi sebesar 75%, recall sebesar 87%, dan skor f-1 sebesar 80%.


References


S. Shellyna and W. Yuwono, “ktor-Faktor Potensial dalam Adopsi Fintech Lending di Kota Batam,†Organum J. Saintifik Manaj. dan Akunt., vol. 5, no. 2, pp. 152–172, 2022, doi: 10.35138/organum.v5i2.286.

D. Safryda Putri and T. Ridwan, “Analisis Sentimen Ulasan Aplikasi Pospay Dengan Algoritma Support Vector Machine,†J. Ilm. Inform., vol. 11, no. 01, pp. 32–40, 2023, doi: 10.33884/jif.v11i01.6611.

R. D. Darmawan and H. Rohman, “Peningkatan Performa Pengalaman Pengguna Aplikasi Seluler Ajaib dengan Pendekatan Design Thinking dan Pengujian A/B: Studi Kasus UX Terhadap Ajaib - Platform Investasi Daring,†J. Inform. dan Rekayasa Perangkat Lunak, vol. 4, no. 1, p. 1, 2022, doi: 10.36499/jinrpl.v4i1.4762.

Y. A. Singgalen, “Analisis Performa Algoritma NBC, DT, SVM dalam Klasifikasi Data Ulasan Pengunjung Candi Borobudur Berbasis CRISP-DM,†Build. Informatics, Technol. Sci., vol. 4, no. 3, pp. 1634–1646, 2022, doi: 10.47065/bits.v4i3.2766.

Y. Findawati, U. Indahyanti, Y. Rahmawati, and R. Puspitasari, “Sentiment Analysis of Potential Presidential Candidates 2024: A Twitter-Based Study,†Acad. Open, vol. 8, no. 1, pp. 1–17, 2023, doi: 10.21070/acopen.8.2023.7138.

N. C. Dang, M. N. Moreno-Garcia, and F. De la Prieta, “Sentiment Analysis Based on Deep Learning in E-Commerce,†electronics, pp. 1–29, 2020, doi: 10.1007/978-3-031-10986-7_40.

A. Muhammadin and I. A. Sobari, “Analisis Sentimen Pada Ulasan Aplikasi Kredivo Dengan Algoritma Svm Dan Nbc,†Reputasi J. Rekayasa Perangkat Lunak, vol. 2, no. 2, pp. 85–91, 2021, doi: 10.31294/reputasi.v2i2.785.

P. Hadem, D. K. Saikia, and S. Moulik, “An SDN-based Intrusion Detection System using SVM with Selective Logging for IP Traceback,†Comput. Networks, vol. 191, no. January, p. 108015, 2021, doi: 10.1016/j.comnet.2021.108015.

F. F. Rachman and S. Pramana, “Analisis Sentimen Pro dan Kontra Masyarakat Indonesia tentang Vaksin COVID-19 pada Media Sosial Twitter,†Heal. Inf. Manag. J., vol. 8, no. 2, pp. 100–109, 2020, [Online]. Available: https://inohim.esaunggul.ac.id/index.php/INO/article/view/223/175.

G. A. Lustiansyah et al., “Analisis klasifikasi sentimen pengguna aplikasi pedulilindungi berdasarkan ulasan dengan menggunakan metode long short term memory,†Semin. Nas. Mhs. Ilmu Komput. dan Apl., pp. 327–336, 2022.

K. X. Han, W. Chien, C. C. Chiu, and Y. T. Cheng, “Application of support vector machine (SVM) in the sentiment analysis of twitter dataset,†Appl. Sci., vol. 10, no. 3, 2020, doi: 10.3390/app10031125.

C. H. Yutika, A. Adiwijaya, and S. Al Faraby, “Analisis Sentimen Berbasis Aspek pada Review Female Daily Menggunakan TF-IDF dan Naïve Bayes,†J. Media Inform. Budidarma, vol. 5, no. 2, p. 422, 2021, doi: 10.30865/mib.v5i2.2845.

S. Wehnert, V. Sudhi, S. Dureja, L. Kutty, S. Shahania, and E. W. De Luca, “Legal norm retrieval with variations of the bert model combined with TF-IDF vectorization,†Proc. 18th Int. Conf. Artif. Intell. Law, ICAIL 2021, pp. 285–294, 2021, doi: 10.1145/3462757.3466104.

M. I. Fikri, T. S. Sabrila, and Y. Azhar, “Perbandingan Metode Naïve Bayes dan Support Vector Machine pada Analisis Sentimen Twitter,†Smatika J., vol. 10, no. 02, pp. 71–76, 2020, doi: 10.32664/smatika.v10i02.455.

J. Cao, M. Wang, Y. Li, and Q. Zhang, “Improved support vector machine classification algorithm based on adaptive feature weight updating in the Hadoop cluster environment,†PLoS One, vol. 14, no. 4, pp. 1–18, 2019, doi: 10.1371/journal.pone.0215136.

G. Blanchard, O. Bousquet, and P. Massart, “Statistical performance of support vector machines,†Ann. Stat., vol. 36, no. 2, pp. 489–531, 2008, doi: 10.1214/009053607000000839.

Z. Quan and L. Pu, “An improved accurate classification method for online education resources based on support vector machine (SVM): Algorithm and experiment,†Educ. Inf. Technol., vol. 28, no. 7, pp. 8097–8111, 2023, doi: 10.1007/s10639-022-11514-6.

B. T. Fadiyah, D. E. Ratnawati, and I. Arwani, “Analisis Sentimen Pengguna Twitter terhadap Pembayaran Cashless menggunakan Shopeepay dengan Algoritma Random Forest,†J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 3, pp. 1426–1433, 2022, [Online]. Available: http://j-ptiik.ub.ac.id.




DOI: https://doi.org/10.35314/isi.v9i1.4047

Refbacks

  • There are currently no refbacks.


Bookmark and Share


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

This Journal has been listed and indexed in :

Crossref logo Find in a library with WorldCat

Copyright of Jurnal Inovtek Polbeng - Seri Informatika (ISSN: 2527-9866)

Creative Commons License
ISI: Inovtek Polbeng Seri Informatikan is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Editorial Office :
Pusat Penelitian dan Pengabdian kepada Masyarakat
 Politeknik Negeri Bengkalis 
Jl. Bathin alam, Sungai Alam Bengkalis-Riau 28711 
E-mail: jurnalinformatika@polbeng.ac.id
www.polbeng.ac.id

Web Analytics
View My Stats