Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Malcom: Indonesian Journal of Machine Learning and Computer Science
Putri, Indriani Zabrina
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Sentimen Ulasan Figma dan Canva di Google Play Store Menggunakan Support Vector Machine dan SMOTE : Sentiment Analysis Figma and Canva Reviews on Google Play Store Using Support Vector Machine and SMOTE Putri, Indriani Zabrina; Fithri, Diana Laily; Setiawan, R. Rhoedy
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 4 (2026): MALCOM October 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i4.3076

Abstract

Ulasan pengguna di Google Play Store memberikan informasi penting tentang pengalaman dan tingkat kepuasan pengguna terhadap aplikasi seluler. Penelitian ini bertujuan membandingkan sentimen pengguna aplikasi Canva dan Figma serta mengevaluasi kinerja algoritma Support Vector Machine (SVM) yang dikombinasikan dengan Synthetic Minority Over-sampling Technique (SMOTE) dalam mengklasifikasikan sentimen pengguna. Sebanyak 8.192 ulasan dikumpulkan dan diproses melalui tahapan pembersihan data, case folding, tokenisasi, penghapusan stopword, stemming, pelabelan sentimen berdasarkan rating pengguna, serta ekstraksi fitur menggunakan Term Frequency–Inverse Document Frequency (TF-IDF). Dataset dibagi menjadi data pelatihan dan data pengujian dengan rasio 80:20. SMOTE diterapkan pada data pelatihan untuk mengatasi ketidakseimbangan kelas sebelum proses pemodelan menggunakan SVM. Hasil evaluasi menunjukkan bahwa model memperoleh akurasi sebesar 87,19%, precision 95,32%, recall 87,01%, dan F1-score 90,97%. Sentimen positif mendominasi ulasan pada kedua aplikasi. Pengguna Canva lebih banyak menyampaikan keluhan terkait layanan berlangganan dan pengelolaan akun, sedangkan pengguna Figma lebih sering mengalami kendala login, aksesibilitas aplikasi, dan masalah teknis. Temuan ini menunjukkan bahwa kombinasi SVM dan SMOTE mampu menghasilkan kinerja klasifikasi yang baik serta memberikan informasi yang dapat digunakan oleh pengembang untuk meningkatkan kualitas layanan, mengoptimalkan fitur aplikasi, dan meningkatkan kepuasan pengguna.
Co-Authors Diana Laily Fithri R Rhoedy Setiawan