Analisis Sentimen Ulasan Pengguna Aplikasi Bibit Menggunakan Metode Smooth Support Vector Machine (SSVM)

Abstract

Di era modern sekarang ini, sudah banyak tersedia aplikasi investasi online untuk memudahkan masyarakat dalam melakukan investasi. Aplikasi Bibit di Google Play Store telah di download lebih dari 5 juta orang dengan rating 4,8 dan ulasan sebanyak 230 ribu. Untuk mengukur kepuasan kualitas layanan/produk dapat dilakukan analisis sentimen kemudian dilakukan klasifikasi untuk memahami dan mengelompokkan sentimen yang terdapat didalam teks menjadi beberapa kategori . SVM dianggap sebagai pengklasifikasi yang paling efektif. SVM yang paling umum digunakan sulit untuk bekerja dengan kumpulan data berskala besar karena SVM tidak mendukung dataset skala besar. Pada permasalahan tersebut, dilakukan klasifikasi menggunakan Smooth Support Vector Machine (SSVM). Penelitian ini akan dilakukan analisis sentimen dan klasifikasi pada ulasan aplikasi Bibit di Google Play Store, menggunakan algoritma SSVM pada data berjumlah besar. Tujuan dari penelitian ini adalah untuk mengetahui deskripsi mengenai ulasan pengguna aplikasi Bibit, mengetahui hasil klasifikasi data ulasan pengguna aplikasi Bibit di Google Play Store, dan mengetahui tingkat akurasi klasifikasi data ulasan pengguna aplikasi Bibit menggunakan metode Smooth Support Vector Machine (SSVM). Data ulasan pengguna Aplikasi Bibit diambil dari tahun 2019 hingga tahun 2023 berjumlah 42136 ulasan. Klasifikasi dilakukan pada 23475 ulasan positif, 18272 ulasan negatif, dan 388 ulasan netral. Hasil klasifikasi dengan parameter C=1 dan α=1 pada pembagian data training dan testing sebesar 80:20 merupakan model terbaik dengan nilai akurasi sebesar 94%.