EKSPLORASI PRA-PROSES LARGE LANGUAGE MODEL GEMINI 2.0 UNTUK KLASIFIKASI ULASAN SIREKAP MENGGUNAKAN SVM

Muhamad Ridwan (Universitas Muhammadiyah Kalimantan Timur)

Djtechno: Jurnal Teknologi Informasi
Vol 7, No 2 (2026): Agustus

Implementasi aplikasi SIREKAP 2024 dalam Pemilihan Umum menuai beragam respon publik. Ulasan Google Play Store menjadi data krusial untuk mengevaluasi kepuasan pengguna melalui rating. Studi ini bertujuan mengklasifikasikan ulasan SIREKAP ke dalam lima kategori rating. Metode yang digunakan adalah Support Vector Machine (SVM) dengan pembobotan TF-IDF. Kebaruan penelitian ini terletak pada pemanfaatan API Gemini 2.0 Flash (LLM) untuk tahap pra-proses, yang menangani koreksi ejaan dan normalisasi kata secara kontekstual. Analisis menunjukkan ketidakseimbangan kelas yang signifikan, didominasi oleh rating 1 sebesar 64,14%. Berdasarkan pengujian K-Fold Cross Validation, model LinearSVC menghasilkan rata-rata F1-Score sebesar 36,68%. Skor ini menunjukkan kesulitan model dalam memprediksi kelas, sehingga memerlukan teknik penanganan lanjutan dalam penelitian mendatang untuk meningkatkan performa.