ANALISIS SENTIMEN PENGGUNA TERHADAP APLIKASI MYPERTAMINA BERDASARKAN ULASAN GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM)

Abstract

Perkembangan teknologi digital telah mendorong pemerintah menghadirkan layanan publik berbasis aplikasi, salah satunya MyPertamina. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi MyPertamina serta mengevaluasi efektivitas algoritma Support Vector Machine (SVM) dalam klasifikasi teks ulasan. Data diperoleh dari 1.000 ulasan di Google Play Store yang dilabeli berdasarkan rating, kemudian melalui tahapan preprocessing, ekstraksi fitur TF-IDF, dan klasifikasi menggunakan SVM di dua platform, RapidMiner dan Google Colab. Hasil analisis menunjukkan 62,4% ulasan bersentimen positif. Model SVM pada RapidMiner mencapai akurasi 99,16%, sedangkan pada Google Colab mencapai 84,9% dengan F1-score 88,26%. Visualisasi WordCloud mengidentifikasi kata dominan seperti “mudah”, “praktis”, dan “bagus” pada ulasan positif, serta “daftar”, “error”, dan “barcode” pada ulasan negatif. Temuan ini menegaskan bahwa algoritma SVM efektif dalam mengidentifikasi opini publik terhadap aplikasi layanan digital serta dapat menjadi acuan pengembang dalam peningkatan kualitas aplikasi.

Kata kunci— Analisis Sentimen, MyPertamina, Support Vector Machine