Penerapan Metode Klasifikasi Support Vector Machine dalam Analisis Sentiment Ulasan Pengguna Layanan Goride Pada Aplikasi Gojek di Google Playstore

Penulis

DOI:

https://doi.org/10.46576/device.v6i2.7682

Kata Kunci:

Analisis Sentimen, Support Vector Machine (SVM), TF-IDF, Goride, Streamlit

Abstrak

Ulasan pengguna terhadap layanan Goride di Google Playstore merupakan sumber data krusial untuk evaluasi kualitas layanan, namun analisis manual terhadap volume data besar tidak efisien. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem klasifikasi sentimen otomatis menggunakan metode Support Vector Machine (SVM) untuk mengkategorikan ulasan pengguna Goride menjadi sentimen positif atau negatif. Sebanyak 659 ulasan dari periode Januari Desember 2024 dianalisis melalui serangkaian tahapan pra-pemrosesan data, pelabelan data, dan ekstraksi fitur menggunakan Term Frequency-Inverse Document Frequency (TF-IDF). Model SVM dioptimalkan menggunakan GridSearchCV mencapai performa puncak dengan akurasi 87,88%, presisi 66,67%, recall 85,71%, dan F1-Score 75,00% pada konfigurasi terbaik (C=0.1, kernel linear). Hasil ini mengonfirmasi bahwa SVM merupakan metode yang efektif dan tangguh untuk analisis sentimen pada ulasan layanan transportasi daring, serta menyediakan alat praktis yang berpotensi mendukung pengambilan keputusan strategis berbasis data untuk peningkatan layanan Gojek.

Referensi

Adhi Putra, A. D. (2021). Sentiment Analysis on User Reviews of the Bibit and Bareksa Application with the KNN Algorithm. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 8(2), 636–646.

Alamsyah, A. S., Budiman, S. N., & Romadhona, R. D. (2024). Penerapan Algoritma Support Vector Machine Untuk Analisis Sentimen Data Ulasan Aplikasi Binance Pada Google Play Store. Journal Of Social Science Research, 4(5), 6145–6158.

Dwianto, E., & Sadikin, M. (2021). Analisis Sentimen Transportasi Online pada Twitter Menggunakan Metode Klasifikasi Naïve Bayes dan Support Vector Machine. Format: Jurnal Ilmiah Teknik Informatika, 10(1), 94. https://doi.org/10.22441/format.2021.v10.i1.009

Hakim, A. R., & Syarif, A. R. (2023). Analisis Perbandingan Algoritma Machine Learning Terhadap Sentimen Analisis Pemindahan Ibu Kota Negara. Jurnal JTIK (Jurnal Teknologi Informasi Dan Komunikasi), 7(2), 179–185. https://doi.org/10.35870/jtik.v7i2.701

Harimurti, C., & Sofyan, M. (2022). The Merging of Gojek and Tokopedia Forms Go To. Is This a Threat to National Banking and Fintech? Management, Business and Social Science (IJEMBIS) Peer-Reviewed-International Journal, 2(3). https://cvodis.com/ijembis/index.php/ijembis/article/view/380

Haviana, S. F. C., & Poetro, B. S. W. (2022). Deep Learning Model for Sentiment Analysis on Short Informal Texts. Indonesian Journal of Electrical Engineering and Informatics, 10(1), 82–89. https://doi.org/10.52549/ijeei.v10i1.3181

Idris, I. S. K., Mustofa, Y. A., & Salihi, I. A. (2023). Analisis Sentimen Terhadap Penggunaan Aplikasi Shopee Menggunakan Algoritma Support Vector Machine (SVM). Jambura Journal of Electrical and Electronics Engineering, 5(1), 32–35. https://doi.org/10.37905/jjeee.v5i1.16830

Iskandar, J. W., & Nataliani, Y. (2021). Perbandingan Naïve Bayes, SVM, dan k-NN untuk Analisis Sentimen Gadget Berbasis Aspek. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(6), 1120–1126. https://doi.org/10.29207/resti.v5i6.3588

Joergensen E Munthe, C., Astuti Hasibuan, N., & Hutabarat, H. (2022). Penerapan Algoritma Text Mining Dan TF-IDF Dalam Menentukan Promo Produk Pada Marketplace. Resolusi: Rekayasa Teknik Informatika Dan Informasi, 2(3), 110–115. https://doi.org/10.30865/resolusi.v2i3.309

Katadata.co.id. (2022). Riset INDEF: Gojek Pimpin Pasar Taksi dan Ojek Online Tahun Ini. Retrieved December 7, 2022, from https://katadata.co.id/digital/startup/63903b6aec7e5/riset-indef-gojek-pimpin-pasar-taksi-dan-ojek-online-tahun-ini

Mehta, P., & Pandya, S. (2020). A Review On Sentiment Analysis Methodologies, Practices And Applications. International Journal of Scientific and Technology Research, 9(2), 601–609.

Pranata, A., Budianita, E., Yusra, & Cynthia, E. P. (2022). Klasifikasi Sentimen Terhadap Maxim Menggunakan Algoritma SVM Pada Media Sosial Twitter. Jurnal Nasional Komputasi dan Teknologi Informasi, 5(3), 332–341. https://ojs.serambimekkah.ac.id/jnkti/article/view/4253

Rizki, M. F., Auliasari, K., & Primaswara Prasetya, R. (2021). Analisis Sentiment Cyberbullying Pada Sosial Media Twitter Menggunakan Metode Support Vector Machine. JATI (Jurnal Mahasiswa Teknik Informatika), 5(2), 548–556. https://doi.org/10.36040/jati.v5i2.3808

Rokhman, K. A., Berlilana, B., & Arsi, P. (2021). Perbandingan Metode Support Vector Machine Dan Decision Tree Untuk Analisis Sentimen Review Komentar Pada Aplikasi Transportasi Online. Journal of Information System Management (JOISM), 3(1), 1–7. https://doi.org/10.24076/joism.2021v3i1.341

Utami, M. A. A. T., Silvianti, P., & Masjkur, M. (2023). Algoritme Support Vector Machine untuk Analisis Sentimen Berbasis Aspek Ulasan Game Online Mobile Legends: Bang-Bang. Xplore: Journal of Statistics, 12(1), 63–77. https://doi.org/10.29244/xplore.v12i1.1064

Unduhan

File Tambahan

Diterbitkan

2025-12-03

Terbitan

Vol 6 No 2: DESEMBER 2025

Bagian

ARTIKEL VOL. 6 NO. 2 2025

Lisensi

Penulis yang naskahnya diterbitkan menyetujui ketentuan sebagai berikut:

  1. Hak publikasi atas semua materi naskah jurnal yang diterbitkan/dipublikasikan dalam jurnal ini dipegang oleh dewan redaksi dengan sepengetahuan penulis (hak moral tetap milik penulis naskah).
  2. Ketentuan legal formal untuk akses artikel digital jurnal elektronik ini tunduk pada ketentuan lisensi Creative Commons Attribution-ShareAlike (CC BY), yang berarti  Jurnal Device berhak menyimpan, mengalih media/format-kan, mengelola dalam bentuk pangkalan data (database), merawat, dan mempublikasikan artikel tanpa meminta izin dari Penulis selama tetap mencantumkan nama Penulis sebagai pemilik Hak Cipta.
  3. Naskah yang diterbitkan/dipublikasikan secara cetak dan elektronik bersifat open access untuk tujuan pendidikan, penelitian, dan perpustakaan. Selain tujuan tersebut, dewan redaksi tidak bertanggung jawab atas pelanggaran terhadap hukum hak cipta.