Tingginya persaingan retail di Indonesia yang didukung dengan perkembangan teknologi, menjadi salah satu pemicu Indomaret untuk meluncurkan sebuah aplikasi yang memungkinkan para penggunanya untuk menikmati beragam kemudahan dalam berbelanja kebutuhan harian. Aplikasi dengan tagline one stop online store ini telah terunduh sebanyak 5 juta kali dan memiliki 99.000 ulasan di Google Play. Ulasan pengguna pada Google Play dapat dimanfaatkan untuk peningkatan kualitas aplikasi, pelayanan, atau bahkan produk yang disediakan. Oleh karena itu, dilakukan analisis sentimen yang bertujuan untuk memahami, mengekstrak, dan mengelola ulasan pengguna berupa data tekstual yang kemudian diketahui apakah sebuah ulasan memiliki kecenderungan pada nilai positif dan negatif. Adapun algoritme yang digunakan adalah Support Vector Machine (SVM) dengan membandingkan 4 kernel, diantaranya adalah linear, polynomial, Sigmoid, dan RBF. Metodologi yang digunakan pada penelitian ini adalah Knowledge Discovery Database (KDD) yang terdiri dari 5 tahapan yaitu data selection, preprocessing, transformation, data mining, dan terakhir evaluation. Data yang digunakan berjumlah 1563 yang terdiri dari 694 ulasan positif dan 869 ulasan negatif. Pada tahapan transformation dilakukan perbandingan antara TF-IDF dan Bag of Words. Terdapat tiga skenario pada tahapan data mining, yang membagi data train dan test menjadi 70:30, 80:90, dan 90:10. Hasil terbaik dimiliki oleh kernel Sigmoid menggunakan fitur ekstraksi Bag of Words dan rasio perbandingan data 90:10, dengan hasil accuracy 92%, precision 89%, recall 96%, dan F1-Score 92%.
Copyrights © 2023