ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI LINE BANK DI GOOGLE PLAY STORE MENGGUNAKAN METODE SUPPORT VECTOR MACHINE BERBASIS SMOTE DENGAN OPTIMASI GRIDSEARCHCV

Abstract

Pesatnya perkembangan teknologi digital telah membawa perubahan signifikan terutama pada sektor perbankan. Perkembangan ini mendorong munculnya berbagai aplikasi perbankan digital, salah satunya aplikasi Line Bank. Ulasan pengguna yang tersedia pada platform digital menjadi sumber data penting untuk menganalisis persepsi, pengalaman, dan sentimen pengguna terhadap kualitas layanan aplikasi, sehingga diperlukan analisis sentimen untuk memahami persepsi pengguna secara sistematis. Penelitian ini bertujuan untuk mengoptimasi kinerja Support Vector Machine berbasis SMOTE menggunakan GridSearchCV dalam analisis sentimen ulasan aplikasi pengguna aplikasi Line Bank. Data yang digunakan adalah data ulasan pengguna aplikasi Line Bank dari platform Google Play Store yang diambil menggunakan teknik web scraping, yaitu sebanyak 4000 data. Data ulasan diklasifikasikan ke dalam tiga kelas sentimen, yaitu positif, negatif, dan netral. Distribusi data pada ketiga kelas sentimen menunjukkan kondisi yang tidak seimbang, sehingga diperlukan penerapan SMOTE untuk menyeimbangkan data sebelum proses klasifikasi dilakukan. Pada model SVM dengan kernel linear sebagai kernel terbaik, sebelum dilakukan optimasi GridSearchCV diperoleh akurasi dan recall yang sama-sama sebesar 85,57%, precision 85,91%, serta F1-score 85,66%. Sedangkan, setelah diterapkan optimasi menggunakan GridSearchCV dengan kombinasi parameter terbaik (kernel = linear, C = 10, dan gamma = scale) kinerja model mengalami peningkatan yang signifikan dengan akurasi dan recall yang sama-sama menjadi sebesar 88,61%, precision 88,50%, serta F1-score 88,55%. Hal ini menunjukkan bahwa optimasi hyperparameter tuning menggunakan GridSearchCV terbukti efektif mampu meningkatkan kinerja dari model SVM secara konsisten pada semua metrik evaluasi.