Implementasi Metode Support Vector Machine untuk Analisis Sentimen pada Ulasan Aplikasi Sayurbox di Google Play Store

Yolanda, Anne Mudya
Mulya, Ridho Tri

VARIANSI: Journal of Statistics and Its Application on Teaching and Research
Vol. 6 No. 02 (2024)

Penelitian ini bertujuan untuk menganalisis kinerja metode Support Vector Machine (SVM) dalam mengklasifikasikan ulasan pengguna aplikasi Sayurbox yang terkenal di Indonesia. Data ulasan diperoleh melalui scraping dari Google Play Store antara tahun 2017 hingga 2023. Ulasan dan rating yang diberikan pengguna digunakan sebagai indikator untuk mengevaluasi kepuasan terhadap layanan yang disediakan. Dalam penelitian ini, metode SVM digunakan untuk memproses data ulasan tersebut. Hasil klasifikasi menunjukkan bahwa metode SVM mencapai akurasi sebesar 89,29%. Selain itu, berdasarkan Confusion Matrix, nilai precision yang diperoleh adalah 91,42%, recall 95,58%, dan f1-score 93,50%. Temuan ini menunjukkan bahwa SVM merupakan metode yang efektif dalam mengklasifikasikan ulasan pengguna, yang dapat memberikan wawasan berharga untuk meningkatkan kualitas pelayanan Sayurbox.