Analisis Sentimen Ulasan Pengguna Aplikasi Maxim pada Google Play Store Dengan Metode Support Vector Machine (SVM) dan Naïve Bayes

Abstract

Aplikasi Maxim sebagai salah satu penyedia layanan transportasi online di Indonesia telah menerima banyak ulasan dari pengguna melalui Google Play Store. Meskipun Maxim memiliki rating tinggi sebesar 4.8, banyak keluhan pengguna yang mencerminkan masalah dalam kualitas layanan. Banyaknya ulasan pengguna yang tersedia menjadi tantangan karena membutuhkan waktu lama jika dijelaskan secara manual. Oleh karena itu, diperlukan metode otomatis untuk menganalisis dan mengklasifikasikan ulasan guna memberikan wawasan yang lebih cepat dan akurat. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Maxim dengan membandingkan kinerja dua algoritma pembelajaran mesin: Support Vector Machine (SVM) dan Naïve Bayes. Data penelitian mencakup 2.108 ulasan yang dikumpulkan selama lima bulan, yaitu terhitung dari bulan Juli hingga November 2024. Setelah proses preprocessing, sebanyak 1.933 ulasan digunakan, terdiri dari 58% sentimen positif dan 42% sentimen negatif. Hasil penelitian menunjukkan bahwa algoritma Support Vector Machine (SVM)  unggul dalam analisis sentimen dengan accuracy 89,66%, precision 85,88%, dan recall 98,21%. Sebaliknya, Naïve Bayes menghasilkan accuracy 76,74%, precision 75,48%, dan recall 88,34%. Dengan pembagian rasio data training dan data testing sebesar 80%:20%, Support Vector Machine (SVM) terbukti lebih efektif dalam mengklasifikasikan data, meminimalkan kesalahan, dan mendeteksi hampir seluruh data positif.Penelitian ini memberikan kontribusi signifikan dalam memahami persepsi pengguna terhadap aplikasi Maxim dan menawarkan strategi dasar untuk meningkatkan kualitas layanan guna memenuhi kebutuhan pelanggan secara lebih efektif.

Kata Kunci – Analisis Sentimen; Support Vector Machine; Naïve Bayes;  Maxim; Google Play Store