Implementasi Algoritma Support Vector Machine dan Randoom Forest Terhadap Analisis Sentimen Masyarakat Dalam Penggunaan Aplikasi Tiket.com, Traveloka, dan Agoda Pada Google Playstore

Abstract

Internet hadir sebagai elemen penting dalam menyokong perkembangan teknologi dan informasi dalam segala sektor aktifitas manusia. Pada sektor perdagangan dan pariwisata contohnya, aplikasi Tiket.com, Traveloka, dan Agoda menjadi aplikasi yang paling diminati masyrakat Indonesia saat ini. Ulasan atau review yang disematkan oleh para pengguna merupakan hal penting bagi pihak perusahaan untuk mengetahui kepuasan pelanggan yang nantinya digunakan untuk meningkatkan kualitas dalam segi pelayanan. Proses menganalisis ulasan komentar memiliki beberapa tahapan karena memiliki data yang jumlahnya tidak sedikit. Penggunaan suatu metode membantu dalam melakukan proses klasifikasi komentar yang bersifat positif atau negatif. Ulasan pengguna aplikasi yang diproses diambil dari platform layanan penyedia aplikasi Google Playstore, lalu menarik data yang diinginkan dengan mamasukan library Google Scraper pada Python. Data yang sudah ditarik selanjutnya diberi label untuk memisahkan ulasan yang bersifat positif dan negatif hal ini bertujuan untuk mepermudah proses klasifikasi dengan menggunakan metode Support Vector Machine (SVM) dan Random Forest. Hasil yang didapatkan nantinya merupakan tingkat akurasi dari dua metode yang digunakan berdasarkan pengolahan data yang sudah dilakukan pada masing-masing ulasan yang menjadi data set pada setiap aplikasi. Support Vector Machine memiliki akurasi yang lebih baik dibandingkan dengan Random Forest dengan rincian 85,5%, 87%, dan 88,7% pada urutan aplikasi Tiket.com, Traveloka, dan Agoda. Sedangkan Random Forest memiliki akurasi 84.7%, 84.7%, dan 88.2% dengan urutan aplikasi yang sama.