Analisis Sentimen Ulasan Pengguna Aplikasi Stimuler Menggunakan Support Vector Machine (SVM) dan TF-IDF

Abstract

Perkembangan aplikasi mobile edukasi seperti Stimuler menuntut analisis sentimen otomatis dari ulasan pengguna untuk memahami persepsi mereka secara objektif. Penelitian ini mengumpulkan 1.647 ulasan dari Google Play Store (April 2023–Desember 2025), melakukan preprocessing (casefolding, cleaning, tokenizing, stopword removal, stemming), ekstraksi fitur TF-IDF, dan klasifikasi dengan SVM kernel linear (split 80:20). Hasil menunjukkan akurasi tinggi pada kelas positif, dengan presisi, recall, dan F1-score optimal, dikonfirmasi melalui K-Fold Cross Validation dan konfusi matriks; model unggul dalam generalisasi meskipun tantangan pada kelas negatif/netral. Pendekatan ini memberikan wawasan bagi pengembang untuk perbaikan aplikasi stimulasi anak, dengan hal baru pada domain edukasi anak.