ANALISIS SENTIMEN SPAYLATER DAN SPINJAM PADA APLIKASI SHOPEE MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM)

Abstract

Perkembangan teknologi informasi dan meningkatnya penggunaan aplikasi e-commerce menghasilkan banyak ulasan pengguna yang dapat dimanfaatkan untuk mengetahui tingkat kepuasan terhadap suatu layanan. SPayLater dan SPinjam sebagai fitur pada aplikasi Shopee juga menerima berbagai tanggapan berupa sentimen positif, negatif, dan netral, sehingga diperlukan metode untuk menganalisis sentimen secara otomatis. Penelitian ini bertujuan untuk menganalisis sentimen pengguna serta menerapkan algoritma Support Vector Machine (SVM) dalam mengklasifikasikan ulasan. Data yang digunakan sebanyak 500 ulasan dari Google Play Store. Metode yang digunakan meliputi preprocessing, pelabelan, dan klasifikasi menggunakan SVM. Hasil penelitian menunjukkan bahwa terdapat 231 sentimen positif, 230 sentimen negatif, dan 39 sentimen netral. Evaluasi model menghasilkan accuracy sebesar 74%, precision 0,78, dan recall 0,84, yang menunjukkan kinerja model cukup baik. Sistem yang dibangun juga mampu mengolah data secara otomatis dan menampilkan hasil klasifikasi dengan baik. Dengan demikian, algoritma SVM efektif digunakan dalam analisis sentimen terhadap layanan SPayLater dan SPinjam pada aplikasi Shopee.