Claim Missing Document
Check
Articles

Found 11 Documents
Search

Analisis Sentimen Komentar Pengguna Aplikasi Alfagift Di Google Playstrore Menggunakan Metode Support Vector Machine (SVM) Dariato, Eri; Laple Satria Putra, Rani
Jurnal Multimedia dan Teknologi Informasi (Jatilima) Vol. 7 No. 03 (2025): Jatilima : Jurnal Multimedia Dan Teknologi Informasi
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jatilima.v7i03.1655

Abstract

Perkembangan teknologi digital telah mempermudah interaksi antara pengguna dan penyedia layanan, salah satunya melalui ulasan di Google Play Store. Alfagift, sebagai aplikasi belanja daring milik Alfamart, mendapatkan banyak komentar dari penggunanya yang mencerminkan pengalaman positif maupun keluhan. Penelitian ini bertujuan menganalisis sentimen komentar pengguna aplikasi Alfagift di Google Play Store menggunakan algoritma Support Vector Machine (SVM) dengan pembobotan kata Term Frequency-Inverse Document Frequency (TF-IDF). Data penelitian berupa komentar yang dikumpulkan melalui metode web crawling menggunakan Python. Proses pra-pemrosesan meliputi case folding, pembersihan teks, tokenisasi, penghapusan stopword, normalisasi, dan stemming, sehingga data menjadi terstruktur dan siap dianalisis. Pembobotan kata dengan TF-IDF digunakan untuk merepresentasikan teks ke dalam bentuk numerik, di mana kata “alfagift” memperoleh bobot tertinggi (0,301027), diikuti “belanja”, “alfamart”, “gratis”, dan “ongkir”. Pengujian model SVM menunjukkan performa yang sangat baik pada kelas mayoritas (negatif) dengan precision, recall, dan f1-score sebesar 1,00. Namun, kelas netral tidak terdeteksi sama sekali (seluruh metrik = 0,00) dan kelas positif memiliki recall rendah (0,54) meskipun precision cukup tinggi (0,91). Akurasi keseluruhan mencapai 1,00, tetapi kondisi ini dipengaruhi oleh dominasi data pada kelas negatif (30.528 dari 30.792 data). Nilai macro average untuk precision (0,63), recall (0,51), dan f1-score (0,56) menunjukkan ketidakseimbangan kinerja antar kelas. Hasil 10-fold cross-validation mengonfirmasi stabilitas model dengan akurasi konsisten di kisaran 0,9950–0,9959.