<![CDATA[Peningkatan jumlah ulasan yang diberikan pengguna pada platform digital seperti Google Play Store menghasilkan berbagai opini yang mencerminkan kepuasan maupun ketidakpuasan terhadap layanan aplikasi tersebut. Analisis sentimen diperlukan guna mengategorikan opini pengguna dalam ulasan dari data teks menjadi informasi penting. Penelitian ini menggunakan pendekatan metode Convolutional Neural Network (CNN) serta algoritma pendekatan Support Vector Machine (SVM) dalam rangka melakukan pengelompokan data sentimen pada ulasan aplikasi BSB Mobile. Tahapan proses penelitian mencakup tahapan pengumpulan data ulasan, pra-pemrosesan teks, pembentukan algoritma CNN beserta SVM, serta penilaian performa memanfaatkan parameter evaluasi, yaitu tingkat akurasi, presisi, recall, dan F1-Score. Merujuk pada temuan tersebut, dapat disimpulkan dari analisis bahwa arsitektur CNN menghasilkan tingkat akurasi yang menyentuh angka 80,10%, sedangkan model SVM mencapai akurasi 80,70%. Berdasarkan hasil evaluasi, model SVM sedikit lebih unggul dibandingkan dengan CNN dalam mengklasifikasikan ulasan sentimen. Temuan ini menunjukkan bahwa metode machine learning, khususnya SVM, dapat menjadi alternatif yang efektif dalam menganalisis opini pengguna terhadap aplikasi BSB Mobile.]]>
Copyrights © 2026
