Analisis Sentimen dan Pemodelan Ulasan Aplikasi AdaKami Menggunakan Algoritma SVM dan KNN

Abstract

Salah satu aplikasi pinjaman uang online populer di Google Play Store yaitu aplikasi AdaKami. Bagi calon pengguna, ulasan mampu memberikan detail pengalaman penggunaan aplikasi. Bagi pihak perusahaan, ulasan pengguna dapat menjadi acuan evaluasi aplikasi. Masalah yang ditemukan yaitu jumlah dan keragaman ulasan pengguna aplikasi AdaKami yang tidak efisien untuk dibaca satu per satu sehingga perlu dilakukan analisis sentimen dan pemodelan. Tujuan penelitian ini yaitu mengetahui reputasi aplikasi berdasarkan sentimen dominan dalam ulasan pengguna dan membuat model analisis sentimen yang optimal. Penelitian ini menggunakan Metode SEMMA, dengan 1.000 data ulasan bersumber dari Google Play Store, melalui proses sampling dan labelling (negatif, positif, netral). Dalam pemodelan analisis sentimen, diujicobakan tiga variabel yaitu metode pelabelan (manual dan leksikon), algoritma (SVM dan KNN) dan proporsi pembagian data (data latih : data uji = 90:10, 80:20, 70:30, 60:40 dan 50:50) yang disajikan dalam bentuk 20 skenario. Hasil penelitian menunjukkan bahwa sentimen paling dominan adalah positif dan model paling optimal yaitu model skenario 6 yang menggunakan algoritma SVM, metode pelabelan manual dan proporsi 90:10. Model tersebut memiliki performa 93% accuracy, 93% precision, 93% recall dan 92% f1-score.