ANALISA SENTIMEN ULASAN APLIKASI TRANSPORTASI MENGGUNAKAN METODE SVM DENGAN PENDEKATAN INSET LEXICON-BASED

Eryca Dhamma Shanty (Universitas Tarumanagara)
Brandon Alexander Jayadi (Universitas Tarumanagara)
Marco (Universitas Tarumanagara)
Viny Christanti Mawardi (Universitas Tarumanagara)

Jurnal Muara Sains, Teknologi, Kedokteran dan Ilmu Kesehatan
Vol. 9 No. 1 (2025): Jurnal Muara Sains, Teknologi, Kedokteran dan Ilmu Kesehatan

Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna terhadap tiga aplikasi transportasi publik digital di Indonesia, yaitu Access by KAI, MyMRTJ, dan MitraDarat. Pendekatan yang digunakan dalam penelitian ini adalah kombinasi metode klasifikasi Support Vector Machine (SVM) dan pendekatan leksikal menggunakan kamus INSET Lexicon-Based. Data ulasan dikumpulkan melalui proses scraping dari Google Play Store dan kemudian melalui tahapan pre-processing, pelabelan sentimen, serta proses klasifikasi. Hasil penelitian menunjukkan bahwa mayoritas ulasan pengguna didominasi oleh sentimen positif. Access by KAI memperoleh ulasan positif terbanyak (446 ulasan), diikuti oleh MitraDarat (322 ulasan), dan MyMRTJ (286 ulasan). Model SVM memberikan hasil klasifikasi yang baik dengan akurasi tertinggi dicapai oleh MyMRTJ (87%), diikuti Access by KAI (84%), dan MitraDarat (82%). Selain itu, visualisasi word cloud berhasil menampilkan kata-kata dominan yang sering muncul dalam ulasan seperti "bagus", "mudah", dan "jalan", yang menunjukkan kepuasan pengguna terhadap layanan aplikasi. Pendekatan INSET Lexicon-Based terbukti efektif dalam mengenali polaritas kata dalam konteks lokal berbahasa Indonesia, serta meningkatkan akurasi pelabelan sebelum proses klasifikasi dilakukan. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan aplikasi transportasi digital berbasis data ulasan pengguna.