<![CDATA[Qara’a merupakan platform pembelajaran Al-Qur’an berbasis kecerdasan buatan. Ribuan ulasan penggunanya di Google Play Store menyimpan informasi berharga, namun banyaknya informasi tekstual tanpa pola memunculkan tantangan pengolahan sendiri. Penelitian ini bertujuan mengklasifikasikan kecenderungan opini serta mengidentifikasi tema utama pada komentar pengguna Qara’a lewat penerapan algoritma Support Vector Machine (SVM) yang dioptimasi dengan teknik SMOTE, serta Latent Dirichlet Allocation (LDA). Hasil evaluasi pada 11.096 ulasan menunjukkan perbedaan performa yang signifikan. Tanpa penerapan SMOTE, model menghasilkan akurasi sebesar 92% namun dengan nilai Recall kelas netral yang rendah, yaitu 0.12. Setelah penerapan SMOTE, performa model meningkat dengan akurasi mencapai 88%, nilai Recall kelas netral naik menjadi 0.46 dan kelas negatif mencapi 0.82. Stabilitas model selanjutnya divalidasi melalui mekanisme pengujian 10-fold Cross Validation yang mencatatkan tingkat ketepatan rata-rata sebesar 90.38%. Pada pemodelan topik LDA, sentimen positif terpusat pada pemenuhan kebutuhan spiritual dan efektivitas belajar. Sebaliknya, sentimen negatif didominasi oleh kendala teknis fitur pengenalan suara dan hambatan biaya berlangganan. Temuan ini dapat menjadi landasan evaluasi penting sebagai acuan developer untuk menyempurnakan mutu fitur aplikasi]]>
Copyrights © 2026
