<![CDATA[Aplikasi Sirekap merupakan sebuah aplikasi berbasis website yang mengandalkan teknologi Optical Character Recognition (OCR) dan Optical Mark Reader (OMR) dalam pengoperasiannya. Perkembangan teknologi ini digunakan untuk mempermudah proses perhitungan suara dengan QuickCount yang sifatnya sementara oleh KPU pada Pemilihan Presiden dan Wakil-Presiden Indonesia Periode 2024. Kedua teknologi tersebut memiliki peran penting dalam mengotomatisasi pola proses baca dan hitung secara real-time. Dengan demikian, analisis sentimen diperlukan untuk mengekstraksi komentar teks dari opini publik tentang aplikasi Sirekap 2024 di Play Store. Penelitian ini berkaitan dengan analisis sentimen terkait hasil perhitungan suara yang menimbulkan ketidaksesuaian di aplikasi Sirekap 2024, apakah bersifat positif atau negatif. Tahapan teknik yang digunakan dalam penelitian ini meliputi scraping data, pre-processing data, pelabelan pola, ekstraksi fitur/pembobotan, pembagian data, dan proses klasifikasi analisis sentimen. Pengumpulan data primer dilakukan menggunakan program Python di aplikasi Google Colab dengan teknik google play scraper di aplikasi playstore android Sirekap 2024. Metode klasifikasi yang digunakan adalah Support Vector Machine, Naïve Bayes, dan Random Forest untuk mengklasifikasikan data. Hasil klasifikasi SVM adalah 82%, Naïve Bayes adalah 71%, dan Random Forest adalah 81%. Dari ketiga metode klasifikasi, kinerja terbaik dalam mengidentifikasi adalah metode klasifikasi SVM dengan akurasi 82%, presisi 82%, recall 82%, dan F1-Score 82%. Abstract The Sirekap application is a web-based application that relies on Optical Character Recognition (OCR) and Optical Mark Reader (OMR) technology in its operation. The development of this technology is used to facilitate the vote counting process with a temporary QuickCount by the KPU in the 2024 Indonesian Presidential and VicePresidential Elections. Both technologies play an important role in automating the reading and counting process patterns in real-time. Thus, sentiment analysis is necessary to extract text comments from public opinion about the Sirekap 2024 application on the Play Store. This research is related to sentiment analysis concerning the vote count results that cause discrepancies in the Sirekap 2024 application, whether they are positive or negative. The technical stages used in this research include data scraping, data pre-processing, pattern labeling, feature extraction/weighting, data splitting, and the sentiment analysis classification process. Primary data collection was conducted using a Python program in the Google Colab application with the Google Play scraper technique in the Sirekap 2024 Android Play Store application. The classification methods used are Support Vector Machine, Naïve Bayes, and Random Forest to classify the data. The SVM classification result is 82%, Naïve Bayes is 71%, and Random Forest is 81%. Among the three classification methods, the best performance in identification is the SVM classification method with an accuracy of 82%, precision of 82%, recall of 82%, and F1-Score of 82%.]]>
