Analisis Sentimen Grab Indonesia Pada Ulasan Google Play Store Menggunakan Algoritma Naive Bayes dan SVM

Pertumbuhan pesat teknologi digital telah mendorong perusahaan untuk memanfaatkan ulasan pengguna sebagai sumber data penting dalam mengevaluasi kualitas layanan mereka. Grab Indonesia, sebagai salah satu penyedia layanan transportasi daring terbesar di Asia Tenggara, menerima ribuan ulasan pengguna melalui platform Google Play Store. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna aplikasi Grab Indonesia menggunakan dua algoritma pembelajaran mesin, yaitu Naïve Bayes dan Support Vector Machine (SVM), serta membandingkan performa keduanya dalam mengklasifikasikan ulasan menjadi sentimen positif dan negatif. Data diperoleh melalui teknik web scraping dari Google Play Store, dengan total 2.140 ulasan. Tahapan penelitian meliputi preprocessing data (tokenisasi, transformasi huruf, penghapusan stopword, dan filter token), pelabelan sentimen, serta pembobotan dengan metode TF-IDF sebelum dilakukan klasifikasi. Pengujian dilakukan dengan membagi data menjadi 80% data latih dan 20% data uji. Hasil evaluasi menunjukkan bahwa algoritma SVM menghasilkan akurasi sebesar 93%, presisi 93%, recall 93%, dan F1-score 90%, sedangkan Naïve Bayes memperoleh akurasi 92%, presisi 85%, recall 92%, dan F1-score 89%. Dari hasil ini, disimpulkan bahwa SVM lebih unggul dari segi akurasi dan kemampuan klasifikasi, meskipun Naïve Bayes tetap unggul dalam efisiensi komputasi. Penelitian ini memberikan kontribusi penting dalam pengembangan sistem analisis sentimen, khususnya untuk perusahaan yang ingin memahami persepsi pelanggan melalui ulasan digital. Selain itu, penelitian ini juga menunjukkan bahwa pemilihan algoritma harus mempertimbangkan keseimbangan antara akurasi dan efisiensi tergantung pada konteks aplikasi yang dihadapi.

Kata Kunci: Analisis Sentimen, Grab Indonesia, Naïve Bayes, Support Vector Machine, Google Play Store.