<![CDATA[Transformasi rebranding media sosial Twitter menjadi X menimbulkan respons yang beragam dari pengguna global, termasuk di Indonesia. Ulasan pengguna pada platform Google Play Store memuat informasi berharga mengenai kepuasan dan keluhan pengguna, namun volume data yang besar dan tidak terstruktur menyulitkan analisis secara manual. Studi ini difokuskan pada penerapan analisis sentimen guna mengklasifikasikan opini pengguna menjadi kategori positif dan negatif, serta membandingkan kinerja tiga algoritma Machine Learning, yaitu Support Vector Machine (SVM), K-Nearest Neighbor (KNN), dan Naive Bayes. Dataset yang digunakan berjumlah 10.000 data berbahasa Indonesia yang dikumpulkan melalui scraping. Melalui tahapan preprocessing yang meliputi cleaning, tokenizing, dan stemming, data dilatih dengan pembagian rasio 80:20. Hasil pengujian menunjukkan algoritma SVM menggunakan kernel linear menghasilkan kinerja terbaik dengan akurasi sebesar 84,8%, diikuti oleh Naive Bayes sebesar 83,1%, dan KNN sebesar 79,7%. Kesimpulan dari studi ini menegaskan bahwa SVM merupakan metode yang paling efisien guna menangani klasifikasi teks pada data ulasan aplikasi X yang memiliki dimensi tinggi, meskipun terdapat ketidakseimbangan kelas pada dataset.]]>
Copyrights © 2026
