Analisis Sentimen Ulasan Aplikasi EdLink Menggunakan Support Vector Machine dengan SMOTE dan Hyperparameter Tuning

Abstract

Ulasan aplikasi EdLink di Google Play Store menumpuk dalam jumlah besar sehingga sulit ditinjau pengembang secara manual. Penelitian ini menganalisis sentimennya memakai Support Vector Machine yang dipadukan SMOTE dan hyperparameter tuning. Sebanyak 2.673 ulasan dikumpulkan melalui web scraping, lalu disaring menjadi 2.113 ulasan final, terdiri atas 1.275 ulasan negatif dan 838 positif. Pelabelan ditetapkan otomatis berbasis rating bintang, dan teks melewati enam tahap pra-pemrosesan termasuk penanganan kata negasi. Model diuji melalui lima skenario kumulatif dalam kerangka Stratified 10-Fold Cross Validation, dengan TF-IDF dan SMOTE dihitung ulang di tiap lipatan hanya pada data latih guna mencegah kebocoran data. Skenario terbaik menggabungkan pra-pemrosesan, SMOTE, N-gram (1,2), dan tuning, dengan Accuracy 0,8316 dan F1-Score 0,8270 memakai kernel RBF, C sebesar 10, dan Gamma 0,01. Model lebih peka pada ulasan negatif dengan Recall 0,9263 dibanding positif yang hanya 0,6874. Keluhan pengguna terpusat pada kegagalan login, kendala setelah pembaruan, dan pengiriman berkas tugas.