<![CDATA[Pertumbuhan penggunaan media sosial mendorong meningkatnya jumlah ulasan pengguna yang mencakup pendapat dan pengalaman terhadap suatu aplikasi. Dengan menggunakan algoritma Support Vector Machine (SVM), penelitian ini menyelidiki persepsi pengguna aplikasi Threads di Google Play Store. Data diperoleh melalui teknik scraping sebanyak 5.000 ulasan berbahasa Indonesia. Data tersebut kemudian diproses melalui tahap prapemrosesan teks yang mencakup pembersihan data, case folding, normalisasi, tokenisasi, stopword removal, stemming, serta penghapusan data kosong. Proses pelabelan sentimen dilakukan secara semi-otomatis berdasarkan nilai rating dan dikelompokkan ke dalam tiga kategori, yaitu positif, netral, dan negatif. Metode Frequency-Inverse Document Frequency (TF-IDF) dipakai untuk membangun representasi fitur. Kemudian, klasifikasi dilakukan menggunakan model SVM dengan kernel Radial Basis Function (RBF), dan metrik akurasi dan confusion matrix digunakan untuk mengevaluasi. Hasil penelitian menunjukkan tingkat akurasi 96,29% pada data pelatihan dan 77,68% pada data pengujian, sehingga menunjukkan bahwa kombinasi TF-IDF dan SVM efektif dalam analisis sentimen ulasan aplikasi berbahasa Indonesia.]]>
Copyrights © 2026
