<![CDATA[Aplikasi PLN Mobile, seperti saluran layanan digital PT PLN (Persero), menerima ribuan ulasan dari pengguna di Google Play Store, yang sulit diverifikasi secara manual. Tujuan dari penelitian ini adalah untuk membandingkan kinerja tiga algoritma Machine Learing Naïve Bayes, Support Vector Machine (SVM) dan Random Forest untuk mengklasifikasikan sentimen ulasan PLN Mobile ke dalam dua kategori (positif dan negatif). Kebaruan penelitian ini terletak pada kombinasi strategi pengumpulan data yang seimbang berdasarkan kategori evaluasi, penyeimbangan kelas dengan teknik oversampling minoritas sintetis (SMOTE), validasi silang 5 kali, dan penyesuaian hiperparameter SVM. Sebanyak 3.702 ulasan dikumpulkan melalui webscraping setelah prapemrosesan teks dan pembobotan TF-IDF, diperoleh 2.917 data (1.586 negatif dan 1.331 positif) dengan 4.160 fitur. Hasil cross-validation menunjukkan bahwa Naïve Bayes memiliki rata-rata skor F1 tertinggi (0,846) dengan standar deviasi rendah (0,011) yang menunjukkan kinerja stabil. Dalam pengujian yang dilakukan pada 584 poin data, model Naïve Bayes kembali muncul sebagai yang terbaik, dengan skor akurasi, presisi, recall, dan F1 sebesar 84%, diikuti oleh SVM (83%) dan Random Forest (81%). Analisis kata-kata dominan mengungkapkan apresiasi pengguna atas kemudahan dan kecepatan layanan, serta keluhan teratas tentang pemadaman listrik yang lama dan kendala pembayaran dan keluhan. Temuan ini menegaskan keunggulan Naïve Bayes dalam teks revisi bahasa Indonesia yang sederhana sekaligus memberikan masukan praktis untuk meningkatkan kualitas layanan PLN Mobile.]]>
Copyrights © 2026
