<![CDATA[Kemajuan teknologi digital telah mendorong pengembangan aplikasi layanan publik, seperti Aplikasi Digital Korlantas Polri yang mempermudah proses perpanjangan SIM secara online. Namun, ulasan pengguna di Google Play Store menunjukkan berbagai masalah teknis, seperti kendala login dan kegagalan input data, yang memerlukan analisis mendalam terhadap persepsi pengguna. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna menggunakan metode klasifikasi Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN) yang dioptimasi dengan Random Search serta ekstraksi fitur TF-IDF. Data penelitian terdiri dari 6.000 ulasan yang dikumpulkan pada periode 30 September 2024 hingga 20 November 2024. Data tersebut melalui tahapan preprocessing seperti case folding, tokenisasi, stemming, dan penyeimbangan data menggunakan SMOTE. Hasil penelitian menunjukkan bahwa optimasi Random Search berhasil meningkatkan kinerja model secara signifikan. Model KNN, yang dioptimasi dengan parameter weights: 'distance', n_neighbors: 5, dan metric: 'manhattan', mencapai akurasi 99,61%, dengan precision, recall, dan F1-score masing-masing mencapai 1.00 untuk semua kelas, kecuali untuk kategori negatif yang sedikit lebih rendah dengan precision 0.99. Sementara itu, SVM dengan parameter optimal (C: 100, kernel: 'linear', gamma: 0.01) menunjukkan akurasi 98%, dengan precision 0.97, recall 0.96, dan F1-score 0.96. Hasil penelitian ini diharapkan dapat memberikan wawasan kepada tim pengembang Digital Korlantas Polri untuk meningkatkan kualitas layanan berdasarkan analisis sentimen pengguna, serta menjadi referensi untuk penerapan metode optimasi lainnya seperti Grid Search atau penggunaan teknik ekstraksi fitur yang lebih canggih seperti FastText atau BERT.]]>
