<![CDATA[Penelitian ini bertujuan untuk menganalisis sentimen pengguna aplikasi Loket X dengan menerapkan tiga algoritma klasifikasi teks: K-Nearest Neighbors (KNN), Support Vector Machine (SVM), dan Naïve Bayes. Sebanyak 500 ulasan diambil dari Google Play Store dan Apple App Store, lalu diproses melalui tahap preprocessing yang mencakup cleaning, normalization, stopword removal, tokenizing, dan stemming. Data diklasifikasikan secara manual ke dalam tiga kategori sentimen: positif, negatif, dan netral. Evaluasi performa dilakukan menggunakan confusion matrix dengan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa SVM memiliki performa tertinggi dengan akurasi 85% dan F1-score 71%, diikuti oleh KNN (78%) dan Naïve Bayes (85% akurasi, namun F1-score lebih rendah). Temuan ini menunjukkan bahwa SVM lebih unggul dalam menangani data teks berdimensi tinggi dan beragam, menjadikannya metode yang paling tepat untuk analisis sentimen ulasan aplikasi Loket X. Penelitian ini memberikan kontribusi penting dalam pengembangan sistem deteksi umpan balik pengguna berbasis machine learning yang akurat dan efisien.]]>
Copyrights © 2025
