<![CDATA[Pemahaman terhadap persepsi pengguna aplikasi merupakan suatu aspek penting dalam pengembangan aplikasi. Sehingga menghasilkan informasi yang relefan dalam pengembangan aplikasi guna meningkatkan berbagai aspek kualitas pelayanan. Pendekatan yang digunakan dalam hal ini yakni menggunakan analisis sentimen. Perbandingan tiga metode dalam klasifikasi yang populer yakni Random Forest, Support Vector Machine (SVM), dan Naive Bayes merupakan topik utama dalam penelitian ini. Ulasan pengguna aplikasi TikTok di Google play store digunakan menjadi data dalam penelitian ini. Yang kemudian dimodifikasi menjadi sentimen positif, netral, dan negatif. Dalam proses ini melibatkan beberapa tahapan yakni, pre-processing data, pembobotan data menggunakan teknik TF-IDF, hingga penerapan metode klasifikasi. Selanjutnya dilakukaan evaluasi untuk mengukur kinerja setiap metode menggunakan metrik accuracy, precission, recall, dan F1-score. Dari hasil penelitian yang dilakukan teknik atau metode klasifikasi SVM mendapatkan hasil akurasi terbaik sebesar 85%, kemudian Random Forest 84%, dan Naive Bayes 83%. Selain mendapatkan hasil akurasi terbaik disisi lain SVM juga berhasil menunjukan stabilitas yang lebih baik dibandingkan metode yang lain. Penelitian ini menyimpulkan bahwa analisis sentimen terhadap aplikasi Tiktok menggunakan metode SVM lebih efektif. Hasil ini dapat memberikan value, baik dalam peningkatan aplikasi Tiktok serta peneltian selanjutnya dalam memilih metode yang terbaik dalam menganalisis data sentimen berbasis teks]]>
