<![CDATA[Abstrak Meskipun Alfagift telah muncul sebagai platform belanja daring yang terkemuka di Indonesia, masih terdapat celah signifikan dalam studi sistematis mengenai kepuasan pengguna sebagaimana tercermin dalam ulasan aplikasi. Penelitian ini menjawab celah tersebut dengan mengevaluasi efektivitas algoritma Support Vector Machine (SVM) dan Random Forest dalam mengklasifikasikan sentimen pengguna ke dalam kategori positif, netral, dan negatif. Dengan memanfaatkan dataset sebanyak 2.000 ulasan yang diambil dari Google Play Store (rentang tahun 2025–2026), studi ini melibatkan pra-pemrosesan teks yang ketat, termasuk stemming dan vektorisasi TF-IDF. Untuk memitigasi tantangan ketidakseimbangan kelas, kedua model dioptimalkan menggunakan parameter class_weight='balanced'. Hasil eksperimen mengungkapkan bahwa SVM lebih mahir dalam memprediksi sentimen positif dengan akurasi 77,3%, sementara Random Forest menunjukkan presisi yang lebih tinggi dalam mendeteksi ketidakpuasan pengguna (sentimen negatif) dengan akurasi 88,6%. Pada akhirnya, studi ini berkontribusi pada literatur metodologi klasifikasi dan berfungsi sebagai alat evaluasi strategis bagi pengembang untuk meningkatkan kualitas layanan berdasarkan umpan balik pengguna. Kata Kunci: Alfagift; Analisis Sentimen; Random Forest; Support Vector Machine; Ulasan Pengguna;]]>
Copyrights © 2026
