Penerapan SVM dan Word2Vec untuk Analisis Sentimen Ulasan Pengguna Aplikasi DANA
:
https://doi.org/10.32409/jikstik.23.3.3642Abstract
Dengan meningkatnya penggunaan aplikasi mobile, analisis sentimen terhadap ulasan pengguna menjadi sangat penting untuk memahami persepsi dan kepuasan pelanggan. Aplikasi DANA, sebagai salah satu platform keuangan digital populer di Indonesia, memiliki ribuan ulasan pengguna di Google Playstore yang dapat memberikan wawasan berharga mengenai pengalaman pengguna. Banyaknya ulasan membuat analisis manual tidak efisien dan rentan terhadap bias. Penelitian ini bertujuan mengembangkan model analisis sentimen menggunakan metode Support Vector Machine (SVM) dengan representasi fitur berbasis Word2Vec untuk mengklasifikasikan ulasan pengguna aplikasi DANA di Google Playstore. Tahapan penelitian meliputi pengumpulan data ulasan, preprocessing data, pelatihan model Word2Vec untuk mendapatkan representasi vektor dari teks ulasan, dan penerapan algoritma SVM untuk klasifikasi sentimen. Evaluasi model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa model SVM dengan fitur Word2Vec mampu mengklasifikasikan sentimen ulasan pengguna dengan tingkat akurasi mencapai 88%, efektif dalam mengidentifikasi sentimen positif, negatif, dan netral. Hasil penelitian ini dapat digunakan untuk meningkatkan kualitas layanan dan kepuasan pengguna.
Downloads
References
Z. Azindhani, “Penggunaan Aplikasi Dana Sebagai Media Dompet Digital dan Transaksi di Indonesia,” J. Inst. Bisnis dan Teknol. Indones., vol. 1, pp. 1–5, 2021.
A. A. Muhammad, Ermatita, and D. S. Prasvita, “ANALISIS SENTIMEN PENGGUNA APLIKASI DANA BERDASARKAN ULASAN PADA GOOGLE PLAY MENGGUNAKAN METODE SUPPORT VECTOR MACHINE Prodi S1 Informatika / Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jakarta,” Semin. Nas. Mhs. Ilmu Komput. dan Apl., pp. 194–204, 2022.
W. Eko Saputro, H. Yuana, and W. Dwi Puspitasari, “Analisis Sentimen Pengguna Dompet Digital Dana Pada Kolom Komentar Google Play Store Dengan Metode Klasifikasi Support Vector Machine,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 2, pp. 1151–1156, 2023, doi: 10.36040/jati.v7i2.6842.
N. D. Abrilia and S. Tri, “Pengaruh Persepsi Kemudahan Dan Fitur Layanan Terhadap Minat Menggunakan E-Wallet Pada Aplikasi Dana Di Surabaya,” J. Pendidik. Tata Niaga, vol. 8, no. 3, pp. 1006–1012, 2020.
F. A. Larasati, D. E. Ratnawati, and B. T. Hanggara, “Analisis Sentimen Ulasan Aplikasi Dana dengan Metode Random Forest,” … Teknol. Inf. dan …, vol. 6, no. 9, pp. 4305–4313, 2022, [Online]. Available: http://j-ptiik.ub.ac.id
R. D. Wahyuni and A. N. Utomo, “Penggunaan Metode Lexicon Untuk Analisis Sentimen pada Ulasan Aplikasi KAI Access di Google Play Store,” J. Rekayasa Inf., vol. 11, no. 2, pp. 134–145, 2022.
W. C. Widyaningtyas and S. Al Faraby, “Klasifikasi Sentiment Analysis pada Review Film Berbahasa Inggris dengan Menggunakan Metode Doc2Vec dan Support Vector Machine ( SVM ) Sentiment Analysis Classification of Movie Review in English Language using Doc2Vec and Support Vector Machine ( SVM ),” vol. 5, no. 1, pp. 1570–1578, 2018.
A. Supian, B. T. Revaldo, N. Marhadi, and L. Efrizoni, “Perbandingan Kinerja Naïve Bayes dan SVM pada Analisis Sentimen Twitter Ibukota Nusantara,” 2024.
I. M. Yulietha, S. Al Faraby, F. Teknik, and U. Telkom, “KLASIFIKASI SENTIMEN REVIEW FILM MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE SENTIMENT CLASSIFICATION OF MOVIE REVIEWS,” vol. 4, no. 3, pp. 4740–4750, 2017.
A. Ardiansyah, E. A. Pratama, and N. I. Fadlilah, “Analisis Sentimen Pengguna Terhadap Aplikasi ChatGPT Di Google Play Store : Penerapan Algoritma Support Vector Machine,” vol. 11, no. 2, pp. 247–254, 2024.
S. N. Cahyani and G. W. Saraswati, “Penerapan Metode Support Vector Machine Pada Klasifikasi Buku Perpustakaan Sekolah Dengan Kombinasi TF-IDF Dan Word2Vec,” J. Tek. Inform., vol. 4, no. 6, pp. 1555–1566, 2023.
J. Informatika, K. Jik, and V. N. Juli, “Analisis Sentimen Twitter Bahasa Indonesia Menggunakan,” vol. 6, no. 2, pp. 7821–7829, 2022.
D. T. Hermanto, A. Setyanto, and E. T. Luthfi, “Algoritma LSTM-CNN untuk Binary Klasifikasi dengan Word2vec pada Media Online,” Creat. Inf. Technol. J., vol. 8, no. 1, p. 64, 2021, doi: 10.24076/citec.2021v8i1.264.
A. Sentimen, P. E. Dana, and D. Gopay, “Analisis Sentimen Penguna E-Wallet Dana Dan Gopay Pada Twitter Menggunakan Metode Support Vector Machine (SVM),” vol. 17, no. x, pp. 323–332, 1978.
J. Ipmawati, S. Saifulloh, and K. Kusnawi, “Analisis Sentimen Tempat Wisata Berdasarkan Ulasan pada Google Maps Menggunakan Algoritma Support Vector Machine,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 1, pp. 247–256, 2024, doi: 10.57152/malcom.v4i1.1066.
F. Sidik, I. Suhada, A. H. Anwar, and F. N. Hasan, “Analisis Sentimen Terhadap Pembelajaran Daring Dengan Algoritma Naive Bayes Classifier,” J. Linguist. Komputasional, vol. 5, no. 1, p. 34, 2022, doi: 10.26418/jlk.v5i1.79.
R. R. Salam, M. F. Jamil, Y. Ibrahim, R. Rahmaddeni, S. Soni, and H. Herianto, “Analisis Sentimen Terhadap Bantuan Langsung Tunai (BLT) Bahan Bakar Minyak (BBM) Menggunakan Support Vector Machine,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 3, no. 1, pp. 27–35, 2023, doi: 10.57152/malcom.v3i1.590.
S. Rabbani, D. Safitri, N. Rahmadhani, A. A. F. Sani, and M. K. Anam, “Perbandingan Evaluasi Kernel SVM untuk Klasifikasi Sentimen dalam Analisis Kenaikan Harga BBM,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 3, no. 2, pp. 153–160, 2023, doi: 10.57152/malcom.v3i2.897.
U. Khaira, R. Johanda, P. E. P. Utomo, and T. Suratno, “Sentiment Analysis Of Cyberbullying On Twitter Using SentiStrength,” Indones. J. Artif. Intell. Data Min., vol. 3, no. 1, p. 21, 2020, doi: 10.24014/ijaidm.v3i1.9145.
L. Hermawan and M. Bellaniar Ismiati, “Pembelajaran Text Preprocessing berbasis Simulator Untuk Mata Kuliah Information Retrieval,” J. Transform., vol. 17, no. 2, p. 188, 2020, doi: 10.26623/transformatika.v17i2.1705.
N. N. Widyastuti, A. Bijaksana, M. Tech, D. Ph, and I. L. Sardi, “Analisis Word2vec untuk Perhitungan Kesamaan Semantik antar Kata Pendahuluan Kajian Pustaka,” vol. 5, no. 3, pp. 7603–7612, 2018.
L. A. H. Raudhoti, A. Herdiani, and A. Romadhony, “Identifikasi Cyberbullying pada Kolom Komentar Instagram dengan Metode Support Vector Machine dan Semantic Similarity,” J. Comput. Sci. Informatics Eng., vol. 4, no. 1, pp. 1–8, 2020, doi: 10.29303/jcosine.v4i1.318.
P. Ayuningtyas and H. Tantyoko, “Perbandingan Metode Word2vec Model Skipgram pada Ulasan Aplikasi Linkaja menggunakan Algoritma Bidirectional LSTM dan Support Vector Machine,” JUSTIN (Jurnal Sist. dan Teknol. Informasi), vol. 12, no. 1, pp. 189–196, 2024, doi: 10.26418/justin.v12i1.72530.
F. S. Jumeilah, “Penerapan Support Vector Machine (SVM) untuk Pengkategorian Penelitian,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 1, no. 1, pp. 19–25, 2017, doi: 10.29207/resti.v1i1.11.
E. Susilowati, M. K. Sabariah, and A. A. Gozali, “Implementasi Metode Support Vector Machine untuk Melakukan Klasifikasi Kemacetan Lalu Lintas Pada Twitter,” E-Proceeding Eng., vol. 2, no. 1, pp. 1478–1484, 2015.
A. R. Isnain et al., “JAKARTA MENGGUNAKAN ALGORITMA SVM Media sosial menjadikan masyarakat mengalami pergeseran perilaku baik budaya , etika dan norma yang ada , sehingga mereka dapat mengeluarkan opini - opini yang mereka miliki . Opini merupakan suatu pendapat dari pemikiran,” vol. 2, no. 1, pp. 31–37, 2021.