Analisa Perbandingan Algoritma Suport Vector Machine dan K-Nearest Neighbors Terhadap Ulasan Aplikasi Vidio

Penggunaan internet di Indonesia mencapai 77% dari total populasi pada Januari 2023, dengan layanan Over The Top (OTT) menunjukkan pertumbuhan pengguna sebesar 25% setiap tahun. Aplikasi Vidio, salah satu platform OTT populer dengan pengunduhan melebihi 50 juta, memiliki rating bintang 3,5 berdasarkan 649 ribu ulasan di Google Play Store. Meskipun populer, Vidio menghadapi keluhan terkait pilihan film yang terbatas, eror pembayaran, dan iklan yang berlebihan, sehingga mempengaruhi kepuasan pengguna. Riset ini bertujuan menganalisis opini komentar user aplikasi Vidio dengan menggunakan metode SVM (Support Vector Machine) dan metode KNN (K-Nearest Neighbors) guna menentukan model dengan akurasi terbaik. Data ulasan sebanyak 15.000 dikumpulkan melalui scraping, kemudian diproses dengan teknik text preprocessing dan vektorisasi TF-IDF. Evaluasi model menunjukkan bahwa SVM memiliki hasil dari akurasi 82%, nilai precision 82%, nilai recall 83%, dan nilai F1-score 82%, sedangkan KNN memiliki akurasi 69%, precision 74%, recall 73%, dan F1-score 69%. Hasil penelitian menunjukkan bahwa SVM lebih unggul dibandingkan KNN dalam klasifikasi sentimen ulasan aplikasi Vidio. Temuan ini diharapkan dapat digunakan oleh developer aplikasi dalam upaya untuk meningkatkan layanan dan kepuasan dari para pengguna aplikasi Vidio.
Kata Kunci: Sentimen; Vidio; Support Vector Machine (SVM); K-Nearest Neighbors (KNN); Pengguna Internet Indonesia; Kepuasan Pengguna