<![CDATA[Ulasan pengguna terhadap layanan Goride di Google Playstore merupakan sumber data krusial untuk evaluasi kualitas layanan, namun analisis manual terhadap volume data besar tidak efisien. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem klasifikasi sentimen otomatis menggunakan metode Support Vector Machine (SVM) untuk mengkategorikan ulasan pengguna Goride menjadi sentimen positif atau negatif. Sebanyak 659 ulasan dari periode Januari Desember 2024 dianalisis melalui serangkaian tahapan pra-pemrosesan data, pelabelan data, dan ekstraksi fitur menggunakan Term Frequency-Inverse Document Frequency (TF-IDF). Model SVM dioptimalkan menggunakan GridSearchCV mencapai performa puncak dengan akurasi 87,88%, presisi 66,67%, recall 85,71%, dan F1-Score 75,00% pada konfigurasi terbaik (C=0.1, kernel linear). Hasil ini mengonfirmasi bahwa SVM merupakan metode yang efektif dan tangguh untuk analisis sentimen pada ulasan layanan transportasi daring, serta menyediakan alat praktis yang berpotensi mendukung pengambilan keputusan strategis berbasis data untuk peningkatan layanan Gojek.]]>
Copyrights © 2025
