<![CDATA[ABSTRAKM-Paspor merupakan sebuah aplikasi pelayanan publik yang dirilis pada awal tahun 2022 lalu. Telah lebih dari satu juta unduhan aplikasi ini di Google Play Store. Dalam beberapa kasus, konten ulasan dan ulasan produk atau layanan dapat berbeda. Analisis umpan balik pengguna harus menjadi prioritas utama saat mengembangkan aplikasi. Penelitian ini dilakukan dengan tujuan untuk memahami persepsi pengguna aplikasi M-Paspor di Google Play Store, dengan cara mengidentifikasi sentimen positif dan negatif dalam ulasan mereka, serta Membandingkan kemampuan algoritma Support Vector Machine dan Naive Bayes dalam menghasilkan klasifikasi yang akurat dalam menganalisis sentimen tersebut. Metode penelitian melibatkan pengumpulan, preprocessing, pelabelan, dan klasifikasi 5.934 ulasan aplikasi M-Paspor di Google Play Store, dan penerapan algoritma Support Vector Machine dan Naive Bayes untuk mengklasifikasikan sentimen ulasan. Setelah menerapkan algoritma, tahap terakhir adalah pengujian evaluasi. Hasil penerapan algoritma klasifikasi, menunjukkan bahwa algoritma Support Vector Machine dapat mengklasifikasikan ulasan aplikasi M-Paspor dengan lebih akurat, dengan rata-rata 80,76% dibandingkan dengan 78,12% dari Naive Bayes. Temuan ini menunjukkan potensi Support Vector Machine dalam membantu pengembang M-Paspor meningkatkan kualitas layanan berdasarkan umpan balik pengguna. ABSTRACTM-Paspor is a public service application that was released in early 2022. There have been more than one million downloads of this application on the Google Play Store. In some cases, review content and product or service reviews may differ. Analyzing user feedback should be a top priority when developing apps. This research was conducted with the aim of understanding the perceptions of users of the M-Paspor application on the Google Play Store, by identifying positive and negative sentiments in their reviews, and comparing the ability of the Support Vector Machine and Naive Bayes algorithms to produce accurate classifications in analyzing these sentiments. The research method involves collecting, preprocessing, labeling, and classifying 5,934 reviews of the M-Paspor app on the Google Play Store, and applying the Support Vector Machine and Naive Bayes algorithms to classify the sentiment of the reviews. After applying the algorithm, the last stage is evaluation testing. The results of applying the classification algorithms, show that the Support Vector Machine algorithm can classify M-Paspor app reviews more accurately, with an average of 80.76% compared to 78.12% from Naive Bayes. These findings demonstrate the potential of Support Vector Machine in helping M-Paspor developers improve service quality based on user feedback.]]>
Copyrights © 2025
