VISUALISASI WORD CLOUD HASIL ANALISIS SENTIMEN BERBASIS FITUR LAYANAN APLIKASI GOJEK DENGAN SUPPORT VECTOR MACHINE

Main Article Content

Jonathan Adrian Wibowo
Viny Christanti Mawardi
Tri Sutrisno

Abstract

Perkembangan teknologi informasi, seperti yang dapat dilihat oleh platform seperti Gojek telah mengubah cara manusia dalam beraktivitas. Gojek, yang hadir sebagai aplikasi layanan transportasi dan makanan berbasis teknologi telah membawa banyak dampak signifikan dalam cara masyarakat bergerak, berbelanja, dan beraktivitas. Oleh sebab itu, ulasan pengguna menjadi sangat penting adanya untuk membantu pengguna dalam membuat keputusan sebelum mengunduh aplikasi tersebut. Penelitian yang dilakukan bertujuan untuk mengetahui persebaran kata atau topik terkait sentimen ulasan pengguna terhadap fitur layanan dan bukan layanan pada aplikasi Gojek menggunakan teknik visualisasi Word Cloud. Selain itu, pada persebaran kata yang ada, dilakukan analisis terkait topik yang menjadi ciri khas pada setiap kelasnya. Dataset yang digunakan terdiri dari 2500 data ulasan pengguna Gojek dimana 2000 data digunakan sebagai model pelatihan menggunakan algoritma Support Vector Machine dan 500 data dilakukan percobaan menggunakan model pelatihan yang ada serta divisualisasikan menggunakan Word Cloud. Hasil analisis frekuensi kata-kata yang ada menunjukkan hasil yang baik, dimana pada fitur layanan, kata atau topik yang menjadi ciri khas untuk sentimen positif adalah “bantu”, “mudah”, dan “cepat” dan pada sentimen negatif adalah “order”, “cancel”, “tolong”, “kecewa”, dan “gofood”. Sedangkan, pada fitur bukan layanan kata atau topik yang menjadi ciri khas untuk sentimen positif adalah “fitur”, “bagus”, dan “jalan” dan pada sentimen negatif adalah “pakai”, “masuk”, “pesan”, “tolong”, dan “upgrade”.

Article Details

Section
Artikel

References

Cervantes, J., Lamont, F. G., Mazahua, L. R., & Lopez, A. (2020). A comprehensive survey on support vector machine classification: Applications, challenges and trends. Neurocomputing, 408, 189-215.

Ibrahim, V., Bakar, J. A., Harun, N. H., & Abdulateef, A. F. (2021). A Word Cloud Model based on Hate Speech in an Online Social Media Environment. Baghdad Science Journal, 18(No. 2), 937-946.

Irvandi, Irawan, B., & Nurdiawan, O. (2023). Naïve Bayes dan Wordcloud untuk Analisis Sentimen Wisata Halal Pulau Lombok. Infotech Journal, 9(No. 1), 236-242.

Petiwi, M. I., Triayudi, A., & Sholihati, I. D. (2022). Analisis Sentimen Gofood Berdasarkan Twitter Menggunakan Metode Naïve Bayes dan Support Vector Machine. Jurnal Media Informatika Budidarma, 6(No. 1), 542-550.

Rofiqoh, U., Perdana, R. S., & Fauzi, M. A. (2017). Analisis Sentimen Tingkat Kepuasan Pengguna Penyedia Layanan Telekomunikasi Seluler Indonesia pada Twitter dengan Metode Support Vector Machine dan Lexion Based Feature. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Universitas Brawijaya, 1(12), 1725-1732.

Sadya, S. (2023, Aug 16). Survei Indef: Gojek Pimpin Pasar Ojek Online di Indonesia. Retrieved from DataIndonesia.id: https://dataindonesia.id/varia/detail/survei-indef-gojek-pimpin-pasar-ojek-online-di-indonesia

Walaa, M., Hassan, A., & Korashy, H. (2014). Sentiment analysis algorithms and applications: A survey. Ain Shams Engineering Journal, 5(No. 4), 1093-1113.

Wardana, S. R., Suhaedi, D., & Yurika, P. (2023). Pemetaan Hyperplane Pada Support Vector Machine. Bandung Conference Series : Mathematics, 3, pp. 109-119. Bandung.