Ulasan atau review pengguna diolah untuk memahami keluhan pengguna terhadap aplikasi agar tersampaikan kepada pihak pengembang untuk dapat memelihara aplikasi. Dari ulasan diperoleh banyak informasi seperti bug report yang menjelaskan kelemahan dan kekurangan dari aplikasi dan juga masukan dari pengguna dari apa yang kurang dalam aplikasi yang digunakan. Dari ulasan pengguna dilakukan identifikasi dan klasifikasi, namun hal tersebut dapat menghabiskan waktu dalam proses pengklasifikasiannya karena ulasan pengguna yang berjumlah banyak bahkan bertambah setiap saat. Oleh karena itu, dibutuhkannya sistem otomasi analisa sentimen ulasan aplikasi. Sistem ini menerapkan algoritma Support Vector Machine (SVM) sebagai metode untuk menentukan sebuah ulasan mempunyai sentimen positif atau negatif. Analisis dilakukan dengan membandingkan fungsi kernel Radial Basis Function (RBF) dan kernel Linear yang dikombinasikan dengan eksperimen penambahan fiture selection, parameter, dan n-gram. Kesimpulannya adalah penyetelan parameter, dan fitur-fitur n-gram mampu meningkatkan nilai akurasi. Dari hasil percobaan dihasilkan kelas negatif sebanyak 4.137 dan kelas positif sebanyak 1.816 pada kernel RBF. Sedangkan pada kernel Linear diperoleh kelas negatif sebanyak 4.049 dan kelas positif sebanyak 1.904 data. DOi : https://doi.org/10.33005/sibc.v15i1.2697
Copyrights © 2022