<![CDATA[Penelitian ini bertujuan membangun sistem analisis user persona berbasis web yang mengintegrasikan klasifikasi sentimen menggunakan metode Support Vector Machine (SVM) dengan data ulasan pengguna aplikasi Tokopedia dari Google Play Store. Sebanyak 5.000 ulasan dikumpulkan melalui teknik scraping menggunakan pustaka google-play-scraper, kemudian melalui proses pembersihan menjadi 4.781 ulasan valid. Tahap preprocessing meliputi cleaning, case folding, normalisasi kata slang, tokenisasi, stopword removal, dan stemming menggunakan pustaka Sastrawi, sebelum direpresentasikan dalam bentuk vektor numerik menggunakan TF-IDF yang menghasilkan 3.739 fitur aktif. Klasifikasi sentimen tiga kelas (Positif, Netral, Negatif) dilakukan menggunakan SVM dengan kernel RBF dan class_weight='balanced'. Hasil pengujian terhadap 957 data uji menunjukkan akurasi sebesar 81,09%, presisi 65,53%, recall 60,18%, dan F1-score 61,35%, dengan rata-rata K-Fold Cross Validation (K=5) sebesar 81,46% ± 0,18%. Hasil klasifikasi sentimen selanjutnya diolah menggunakan algoritma keyword-scoring untuk membentuk empat segmen user persona, yaitu Loyal Buyer (35,7%), Price Hunter (3,0%), Casual Shopper (4,7%), dan Frustrated User (56,6%). Seluruh hasil analisis divisualisasikan melalui dashboard berbasis web yang dibangun menggunakan Flask, MySQL, dan HTML/CSS/JavaScript. Penelitian ini membuktikan bahwa integrasi SVM dan algoritma keyword-scoring efektif menghasilkan profil persona pengguna yang bermakna dan dapat dimanfaatkan sebagai dasar pengambilan keputusan strategi bisnis serta pengembangan produk platform e-commerce.]]>
Copyrights © 2026
