Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional CORISINDO
Khairurrabbani, Nurhafizi
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Prosiding Seminar Nasional CORISINDO

 1 
Penerapan Metode Support Vector Machine (SVM) dalam Analisis Sentimen Ulasan Aplikasi Tokopedia di Google Play Store Zhahrina, Alya'; Sofiah, Ummu; Andayani, Dina Wahyu Apri; Khairurrabbani, Nurhafizi; Saputri, Fara
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5270

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Tokopedia di Google Play Store menggunakan metode Support Vector Machine (SVM). Data dikumpulkan melalui teknik web scraping dan terdiri atas teks ulasan serta rating pengguna. Tahapan penelitian mencakup preprocessing teks (case folding, tokenisasi, normalisasi, stopword removal, dan stemming), pelabelan sentimen berdasarkan rating, serta klasifikasi dengan algoritma SVM. Dataset dibagi dengan rasio 80:20 untuk pelatihan dan pengujian model. Hasil evaluasi menunjukkan bahwa model menghasilkan akurasi sebesar 77,91% dengan nilai precision positif 78%, recall positif 83%, dan F1-score positif 81%. Analisis menunjukkan bahwa aspek layanan, pengiriman, dan kualitas barang menjadi isu utama dalam persepsi pengguna. Model mampu mengklasifikasikan sentimen dengan baik, khususnya pada kelas positif, namun cenderung mengalami kesalahan pada kelas negatif. Temuan ini menunjukkan bahwa algoritma SVM efektif diterapkan dalam analisis sentimen berbahasa Indonesia, serta dapat dimanfaatkan untuk mendukung pengambilan keputusan strategis oleh penyedia layanan aplikasi. Penelitian ini juga merekomendasikan pengembangan lebih lanjut dengan pendekatan deep learning untuk menangkap konteks semantik secara lebih mendalam. 
Co-Authors Andayani, Dina Wahyu Apri Saputri, Fara Sofiah, Ummu Zhahrina, Alya'