<![CDATA[Penelitian dilakukan untuk mengevaluasi performa Support Vector Machine (SVM) dalam mengkategorikan sentimen pada ulasan pengguna aplikasi Tinder, dengan fokus pada empat aspek: harga, fitur aplikasi, keamanan akun, dan nonaspek. Dari 1627 ulasan yang dianalisis, dibagi menjadi 1138 untuk pelatihan dan 489 untuk pengujian. Evaluasi kinerja dilakukan menggunakan matriks akurasi, precision, recall, dan F1-score. Hasil mengindikasikan kinerja SVM yang bervariasi tergantung pada aspek yang dianalisis. Tingkat akurasi tertinggi diperoleh pada aspek keamanan akun dengan nilai 0.944, sedangkan akurasi terendah ditemukan pada aspek fitur aplikasi yaitu 0.8998. Precision tertinggi untuk sentimen negatif dan netral ada pada aspek keamanan akun, sementara precision untuk sentimen positif paling rendah. Sebaliknya, recall tertinggi ditemukan pada sentimen netral, terutama pada fitur aplikasi dan keamanan akun. Namun, recall untuk sentimen positif pada aspek fitur aplikasi sangat rendah, menunjukkan kesulitan model dalam mendeteksi ulasan positif. Secara keseluruhan, SVM menunjukkan kinerja baik, terutama pada aspek keamanan akun dan sentimen netral, tetapi mengalami tantangan pada aspek fitur aplikasi dalam mengklasifikasikan sentimen positif.]]>
Copyrights © 2024
