<![CDATA[Aplikasi No Thanks digunakan sebagai alat bantu konsumen dalam mengidentifikasi produk yang terafiliasi dengan Israel. Peningkatan jumlah pengguna menghasilkan ribuan ulasan pada Google Play Store yang memuat berbagai opini mengenai fungsi, kemudahan penggunaan, dan keamanan aplikasi. Penelitian ini bertujuan menganalisis sentimen pengguna berdasarkan aspek pada ulasan aplikasi No Thanks menggunakan metode Aspect-Based Sentiment Analysis (ABSA) dan algoritma Support Vector Machine (SVM). Sebanyak 3.980 ulasan berbahasa Indonesia yang dikumpulkan dari Google Play Store periode 2023–2025 digunakan sebagai data penelitian. Tahapan penelitian meliputi text preprocessing, pelabelan sentimen menggunakan pendekatan lexicon-based, pemodelan topik menggunakan Latent Dirichlet Allocation (LDA), pembobotan TF-IDF, serta klasifikasi menggunakan SVM. Penanganan ketidakseimbangan kelas dilakukan melalui teknik resampling, termasuk SMOTE. Hasil penelitian menunjukkan bahwa model SVM dengan SMOTE menghasilkan accuracy sebesar 87,16%, precision sebesar 97%, recall sebesar 88%, F1-score sebesar 92%, dan AUC sebesar 0,876. Analisis berbasis aspek menunjukkan bahwa sentimen positif mendominasi ulasan pengguna, sedangkan sentimen negatif terutama berkaitan dengan akurasi database produk dan kinerja fitur pemindai barcode. Kontribusi penelitian ini terletak pada penerapan ABSA untuk menghubungkan polaritas sentimen dengan aspek kualitas aplikasi berdasarkan hasil pemodelan topik, sehingga menghasilkan informasi yang lebih spesifik mengenai aspek aplikasi yang memperoleh respons positif maupun negatif dari pengguna. Hasil penelitian dapat menjadi dasar evaluasi bagi pengembang dalam meningkatkan akurasi database produk serta keandalan fitur pemindai barcode.]]>
