PENGGUNAAN METODE SVM DAN RANDOM FOREST UNTUK ANALISIS SENTIMEN ULASAN PENGGUNA TERHADAP KAI ACCESS DI GOOGLE PLAYSTORE

Abstrak

KAI Access merupakan sebuah platform akses digital yang menyediakan layanan terhadap tranportasi, yang sering digunakan. Oleh karena itu, analisis sentimen terhadap pengguna KAI Access menjadi relevan untuk mendapatkan wawasan yang berharga bagi pengembang dan pengelolaan aplikasi. Penelitian ini bertujuan untuk melakukan analisis sentimen data ulasan pengguna terhadap KAI Access. Metode yang digunakan meliputi pengumpulan data dari Google Playstore. Data yang terkumpul kemudian diolah menggunakan pelabelan, preprocessing, pembobotan dan klasifikasi. Mengevaluasi ulasan pengguna KAI Access dengan data yang banyak memperlukan analisis sentimen dalam mengelompokkan data ulasan pengguna menjadi kategori positif atau negatif. Hasil analisis menunjukkan bahwa mayoritas pengguna KAI Access adalah sentimen negatif daripada sentimen positif.  Data ulasan yang dilabeli dan menganalisis dengan menerepkan metode SVM dan Random Forest agar dapat mengklasifikasikan ulasan pengguna. Dimana SVM mencari garis atau hyperlane terbaik sedangkan Random Forest menggunakan beberapa pohon keputusan yang bekerja bersama untuk menghasilkan klasifikasi akhir. Dataset terdiri dari 655 ulasan terbagi menjadi 529 ulasan negatif dan 90 ulasan positif. Klasifikasi dengen metode SVM memperoleh tingkat akurasi sebesar 97% dibandingkan metode Random Forest diperoleh akurasi sebesar 93%. Ini berarti SVM lebih akurat dalam mengklasifikasikan sentimen data uji dalam penelitian.