<![CDATA[Penelitian ini bertujuan untuk menganalisis tingkat kepuasan pengguna terhadap aplikasi Sirekap berdasarkan ulasan yang diperoleh dari Google Play Store. Data dikumpulkan melalui proses crawling dan kemudian dianalisis menggunakan dua pendekatan klasifikasi sentimen, yaitu Support Vector Machine (SVM) dan Long Short-Term Memory (LSTM). Tahapan analisis mencakup preprocessing teks seperti cleansing, tokenizing, stopword removal, dan stemming, serta ekstraksi fitur menggunakan metode TF-IDF. Hasil evaluasi menunjukkan bahwa model SVM mencapai akurasi sebesar 92,30%, sementara model LSTM mencapai akurasi sebesar 90,85%. Model SVM menunjukkan keunggulan dalam mengklasifikasikan sentimen negatif, sedangkan LSTM relatif lebih baik dalam menangani sentimen positif. Kedua model mengalami kesulitan dalam membedakan sentimen netral, yang terlihat dari tingginya kesalahan klasifikasi pada kelas tersebut. Hasil penelitian ini memberikan gambaran tentang persepsi publik terhadap aplikasi Sirekap serta dapat menjadi referensi dalam pengembangan sistem klasifikasi sentimen yang lebih akurat di masa mendatang. Selain itu, studi ini membuka peluang untuk eksplorasi metode klasifikasi lanjutan dan penggunaan data yang lebih beragam dari berbagai platform digital.]]>
Copyrights © 2025
