<![CDATA[Perkembangan teknologi digital telah mendorong munculnya berbagai platform belanja daring, salah satunya aplikasi Segari. Tingkat keberhasilan aplikasi ini sangat bergantung pada pengalaman serta persepsi pengguna yang tercermin melalui ulasan di Google Play Store. Ulasan tersebut menjadi sumber data penting untuk dianalisis guna mengetahui kepuasan pelanggan. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap komentar pengguna aplikasi Segari dengan memanfaatkan algoritma Support Vector Machine (SVM). Data penelitian diperoleh melalui teknik web scraping dari Google Play Store, menghasilkan 5.752 ulasan pengguna. Dataset kemudian diproses melalui beberapa tahapan preprocessing, meliputi case folding, cleaning, tokenizing, stopword removal, normalisasi, dan stemming agar data lebih terstruktur. Setelah itu, dilakukan pembobotan kata menggunakan Term Frequency–Inverse Document Frequency (TF-IDF) untuk merepresentasikan teks dalam bentuk numerik. Hasil TF-IDF menunjukkan kata “segar” sebagai term dengan bobot tertinggi, diikuti oleh “kirim”, “belanja”, “promo”, dan “barang”, yang merefleksikan fokus utama konsumen terhadap kualitas produk dan layanan pengiriman. Model SVM diuji pada 1.021 sampel data menggunakan metode 10-fold cross-validation. Hasil pengujian menunjukkan akurasi rata-rata sebesar 95% dengan nilai tertinggi mencapai 0,968 pada beberapa lipatan. Model menunjukkan performa optimal pada kelas negatif (precision 0,96; recall 1,00; F1-score 0,98) dan cukup baik pada kelas positif (precision 0,93; recall 0,64), tetapi sangat rendah pada kelas netral (precision, recall, dan F1-score = 0,00)]]>
Copyrights © 2025
