Penerapan Support Vector Machine untuk Analisis Sentimen Fitur Layanan pada Ulasan Gojek
Article Sidebar
Main Article Content
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. Google Play Store sebagai salah satu gerbang bagi pengguna aplikasi untuk mengakses aplikasi seperti Gojek, menyediakan informasi penting tentang aplikasi, salah satunya ulasan pengguna untuk membantu pengguna dalam membuat keputusan sebelum mengunduh aplikasi tersebut. Oleh sebab itu, penelitian ini akan melakukan analisis sentimen berbasis fitur dengan fokus ulasan pengguna terhadap fitur layanan Gojek. Dataset yang digunakan terdiri dari 2000 data ulasan pengguna yang diambil dari website Google Play Store. Proses klasifikasi akan menggunakan algoritma Support Vector Machine. Dari hasil evaluasi menggunakan Confusion Matrix, ditemukan kernel RBF mendapatkan hasil akurasi terbaik, yaitu sebesar 95,26% untuk analisis fitur dan 88,53% untuk analisis sentimen dengan pembagian data latih dan uji yang sama, yaitu 80/20. Sebaliknya, hasil kurang baik ditemukan pada kernel Polynomial, yaitu 75,06% untuk analisis fitur dengan pembagian data latih dan uji 80/20. Sedangkan, untuk analisis sentimen sebesar 79,28% dengan pembagian data latih dan uji 60/40. Dari penelitian ini, diperoleh model pelatihan terbaik yang bisa digunakan adalah kernel RBF sebagai metode klasifikasi.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
This work is licensed under a Jurnal Komunikasi Creative Commons Attribution-ShareAlike 4.0 International License.
References
S. Sadya, “Survei Indef: Gojek Pimpin Pasar Ojek Online di Indonesia,” 16 Aug 2023. [Online]. Available: https://dataindonesia.id/varia/detail/survei-indef-gojek-pimpin-pasar-ojek-online-di-indonesia.
T. Nasukawa dan J. Yi, “Sentiment Analysis: Capturing Favorability Using Natural Language Processing,” dalam Proceedings of the 2nd International Conference on Knowledge Capture, 2003.
U. Rofiqoh, R. S. Perdana dan M. A. Fauzi, “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, vol. 1, no. 12, pp. 1725-1732, 2017.
A. Deviyanto dan M. D. R. Wahyudi, “Penerapan Analisis Sentimen pada Pengguna Twitter Menggunakan Metode K-Nearest Neighbor,” Jurnal Informatika Sunan Kalijaga, vol. 3, no. 1, pp. 1-13, 2018.
T. S. Furey, N. Chrstianini, B. D. W. Duffy, M. Schummer dan D. Haussler, “Support Vector Machine Classification and Validation of Cancer Tissue Samples Using Microarray Expression Data,” Bioinformatics, vol. 16, no. 10, pp. 906-914, 2001.
K. S. Nugroho, “Confusion Matrix untuk Evaluasi Model pada Supervised Learning,” 13 November 2019. [Online]. Available: https://ksnugroho.medium.com/confusion-matrix-untuk-evaluasi-model-pada-unsupervised-machine-learning-bc4b1ae9ae3f. [Diakses 8 September 2023].