Analisis Sentimen Terhadap Penggunaan Aplikasi Shopee Mengunakan Algoritma Support Vector Machine (SVM)

Abstract

Analisis Sentimen merupakan cabang dari penelitian text mining yang melakukan proses pengklasifikasian dokumen teks. Analisis sentimen dapat melakukan ekstraksi pendapat, emosi, dan evaluasi tertulis seseorang tentang topik tertentu menggunakan teknik pemrosesan Bahasa alami. Pada penelitian ini melakukan analisis sentiment terhadap penggunaan aplikasi Shopee menggunakan algoritma Support Vector Machine (SVM). Tujuan dari penelitian ini adalah untuk mengklasifikasi data komentar dari pengguna aplikasi Shopee kedalam komentar positif dan negatif dengan mempelajari pendapat pengguna tentang aplikasi Shopee melalui ulasan yang diberikan, dan untuk mengetahui kinerja dari metode pengklasifikasi yang digunakan. Pada penelitian ini data diperoleh dengan cara mengangkat data dari ulasan penggunakan aplikasi Shopee menggunakan metode scraping dan berhasil mendapat 3000 data ulasan. Hasil penelitian menggunakan algoritma Support Vector Machine terbukti mampu menghasilkan kinerja yang cukup baik dengan hasil akurasi sebesar 98% dan f1-score sebesar 0.98 atau sebesar 98%.

Sentiment analysis is a branch of text mining research that carries out the process of classifying text documents. Sentiment analysis can extract one's opinions, emotions, and evaluations about a certain topic using natural language techniques. In this study, sentiment analysis was carried out on the use of the Shopee application using the Support Vector Machine (SVM) algorithm. The purpose of this study is to classify comment data from Shopee application users, positive and negative comments by studying user opinions about the Shopee application through the reviews provided, and to determine the performance of the classifier method used. In this study, the data was obtained by collecting data from reviews on the use of the Shopee application using the scraping method and managed to get 3000 data reviews. The results of research using the Support Vector Machine algorithm are proven to be able to produce quite good performance with an accuracy of 98% and an f1-score of 0.98 or 98%.