Analisis Sentimen Ulasan Aplikasi Pospay Dengan Algoritma Support Vector Machine

Abstract

Aplikasi Pospay merupakan salah satu bentuk teknologi finansial milik Pos Indonesia. Aplikasi Pospay di Google Play Store memiliki lebih dari 25 ribu ulasan pengguna. Semakin banyak ulasan pengguna, semakin sulit dan lama waktu yang dibutuhkan calon pengguna dan pengelola aplikasi untuk menyimpulkan informasi tentang tren sentimen pengguna yang berguna dalam membuat keputusan tentang penggunaan dan evaluasi aplikasi. Analisis sentimen adalah solusi untuk masalah ini karena analisis sentimen mampu mengklasifikasikan data yang tidak terstruktur untuk menghasilkan informasi sentimen secara efisien dengan menerapkan algoritma data mining. Penelitian ini menggunakan metode Knowledge Discovery in Database (KDD), dimana pada tahap data mining diterapkan algoritma Support Vector Machine dalam pembuatan model. Grid search diterapkan pada pengujian 3 skenario sehingga diperoleh proporsi pembagian data dengan akurasi terbaik yaitu 90 : 10 menggunakan kernel RBF dengan parameter: c = 1, ℽ = 1. Hasil dari penelitian ini berupa model dengan akurasi 95%, presisi 91%, penarikan 100%, dan skor f1 95%. Didapatkan juga informasi bahwa sentimen pengguna aplikasi Pospay di Google Play Store cenderung positif (54,1%) namun begitu tidak jauh dari persentase sentimen negatif (45,9%).

Analisis Sentimen Perbandingan Layanan Jasa Pengiriman Kurir Pada Ulasan Play Store Menggunakan Metode Decision Tree Dan Random Forest

“…Di sisi lain, false positif dan false negative mencerminkan data kelas yang tidak sesuai antara data aktual dan prediksi, sehingga dianggap sebagai kesalahan. [16].…”