<![CDATA[Fitur rating dan ulasan di Google Play Store memiliki dampak besar terhadap keputusan pengguna dalam mengunduh aplikasi, karena ulasan dari pengguna sebelumnya sering menjadi faktor utama dalam menilai kualitas suatu produk. Penelitian ini melakukan analisis sentimen terhadap ulasan aplikasi e commerce menggunakan pendekatan pelabelan ulasan berdasarkan skor dan membandingkan kinerja algoritma klasifikasi Multinomial Naïve Bayes, Random Forest, Extra Trees Classifier, dan Support Vector Machine (SVM). Dataset yang digunakan terdiri dari 2000-2200 baris data, dengan dua skema pembagian rasio data latih dan data uji yaitu 6:4 dan 8:2, untuk menemukan model dengan kinerja terbaik. Hasil pelabelan menggunakan pendekatan score-based labeling menunjukkan bahwa ulasan negatif paling dominan pada aplikasi Shopee dan Tokopedia, sementara ulasan positif mendominasi aplikasi Blibli. Eksperimen menunjukkan bahwa SVM secara konsisten mencapai nilai akurasi tertinggi pada dataset dari ketiga aplikasi tersebut. Secara spesifik, akurasi yang dicapai pada dataset Shopee adalah 90% dengan rasio data latih dan data uji 8:2, pada dataset Blibli adalah 91% dengan rasio 6:4, dan pada dataset Tokopedia adalah 83% dengan rasio 8:2. Capaian didapat dengan kombinasi hyperparameter kernel linear, Radial Basis Function (RBF), polinomial, dan sigmoid serta tingkat penalti terhadap kesalahan klasifikasi (c) dengan nilai 0.1, 1, dan 10. Temuan ini membuktikan algoritma SVM menunjukkan performa terbaik.]]>
