Analisis Sentimen Ulasan Aplikasi Maxim di Google Play Store Menggunakan Algoritma Support Vector Machine

Maxim merupakan salah satu aplikasi transportasi online yang banyak digunakan di Indonesia, sehingga ulasan pengguna menjadi sumber penting untuk mengetahui kualitas layanan. Penelitian ini bertujuan untuk menganalisis sentimen ulasan aplikasi Maxim di Google Play Store menggunakan metode lexicon based dan algoritma klasifikasi Support Vector Machine dan Naïve Bayes. Data sebanyak 400 ulasan diperoleh melalui teknik scraping, kemudian dilakukan tahap pre-processing yang meliputi cleaning, case folding, normalisasi kata, tokenizing, stopword removal, dan stemming. Pelabelan data ulasan dilakukan menggunakan lexicon based dengan tiga kelas sentimen, yaitu positif, netral, dan negatif, kemudian dilakukan validasi manual untuk meningkatkan akurasi label sentimen. Representasi fitur dilakukan menggunakan TF-IDF dengan parameter unigram dan min_df=2. Pengujian dilakukan dengan tiga skenario pembagian data, yaitu 80:20, 70:30, dan 60:40. Hasil penelitian menunjukan bahwa algoritma SVM memiliki performa yang lebih stabil dibandingkan Naïve Bayes berdasarkan nilai accuracy, precision, recall, F1-score, confusion matrix, dan cross validation.