<![CDATA[Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna terhadap aplikasi Duolingo yang diunduh dari platform Google Play Store. Sebanyak 211.664 komentar dikumpulkan melalui metode web crawling menggunakan bahasa pemrograman Python, kemudian diproses melalui tahapan preprocessing yang mencakup case folding, pembersihan data, tokenisasi, penghapusan stopword, normalisasi, dan stemming. Proses ini dilanjutkan dengan pemberian bobot kata menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF) untuk mengonversi data teks menjadi representasi numerik. Model klasifikasi kemudian dibangun menggunakan algoritma Support Vector Machine (SVM) dan Naive Bayes untuk mengklasifikasikan sentimen ke dalam tiga kategori: positif, negatif, dan netral. Hasil evaluasi menunjukkan bahwa algoritma SVM memiliki kinerja lebih stabil dan akurat dibandingkan Naive Bayes, dengan akurasi mencapai 95%. Meskipun demikian, kedua model menunjukkan keterbatasan dalam mengklasifikasikan sentimen netral dan negatif akibat ketidakseimbangan distribusi kelas dalam data, di mana kelas positif mendominasi secara signifikan. Hal ini tercermin dari rendahnya nilai precision, recall, dan f1-score pada kelas minoritas. Berdasarkan hasil 10-Fold Cross Validation, SVM terbukti lebih konsisten dalam menghasilkan akurasi tinggi di berbagai skenario pengujian, menjadikannya pilihan yang lebih andal dalam analisis sentimen multi-kelas terhadap data ulasan aplikasi.]]>
Copyrights © 2025
