<![CDATA[Google Classroom merupakan salah satu platform pembelajaran daring yang banyak digunakan dan menyediakan fitur ulasan pada Google Play Store sebagai media bagi pengguna untuk menyampaikan pengalaman, keluhan, maupun penilaian terhadap aplikasi. Ulasan tersebut dapat dimanfaatkan untuk memperoleh informasi mengenai persepsi pengguna melalui analisis sentimen. Penelitian ini bertujuan untuk membandingkan kinerja metode Support Vector Machine (SVM) dan Convolutional Neural Network (CNN) pada analisis sentimen ulasan Google Classroom di Google Play Store. Data penelitian diperoleh melalui proses web scraping dan menghasilkan 1806 ulasan yang kemudian melalui tahapan preprocessing sehingga diperoleh 1735 ulasan yang siap dianalisis. Pelabelan sentimen dilakukan menggunakan pendekatan Lexicon-Based Sentiment Analysis, sedangkan proses klasifikasi dilakukan menggunakan tiga skenario, yaitu TF-IDF + SVM, TF-IDF + Chi-Square + SVM, dan CNN. Hasil penelitian menunjukkan bahwa penerapan Chi-Square mampu meningkatkan akurasi SVM dari 93% menjadi 94%. Sementara itu, CNN menghasilkan performa terbaik dengan akurasi sebesar 96%, melampaui kedua model berbasis SVM. Hasil tersebut menunjukkan bahwa CNN memiliki kemampuan yang lebih baik dalam mempelajari representasi dan pola sentimen pada data teks. Dengan demikian, CNN dapat menjadi pendekatan yang lebih efektif untuk analisis sentimen ulasan aplikasi pendidikan dibandingkan metode SVM pada dataset yang digunakan dalam penelitian ini.]]>
Copyrights © 2026
