Analisis Sentimen Pengguna Terhadap Aplikasi Lalamove Dengan Perbandingan Algoritma Support Vector Machine dan Naive Bayes

Perkembangan teknologi digital telah memberikan perubahan signifikan dalam sektor logistik dan transportasi. Aplikasi pengiriman barang berbasis on-demand seperti Lalamove menjadi solusi bagi pengguna yang membutuhkan layanan cepat dan efisien. Namun, adanya berbagai ulasan pengguna baik positif maupun negatif menunjukkan adanya perbedaan pengalaman yang perlu dianalisis. Penelitian ini memiliki tujuan untuk mengevaluasi presepsi pengguna terhadap aplikasi Lalamove dengan membandingkan efektivitas algoritma Support Vector Machine (SVM) dan Naive Bayes dalam klasifikasi sentimen. Data yang dipakai dalam penelitian ini mencakup 10.000 ulasan pengguna yang diperoleh melalui teknik scraping dari Google Play Store. Setelah melalui tahap preprocessing data, analisis dilakukan menggunakan metode TF-IDF sebagai ekstraksi fitur dan evaluasi kinerja model dilakukan berdasarkan metrik akurasi, presisi, recall, dan F1-score. Klasifikasi sentimen dalam penelitian ini dilakukan dalam dua kategori, yaitu sentimen positif dan negatif (biner), tanpa mempertimbangkan kategori netral. Hasil penelitian menunjukkan bahwa algoritma SVM memiliki akurasi tinggi sebesar 87% dibandingkan Naive Bayes yang hanya mencapai 83%. Penelitian ini memberikan pemahaman bagi pengembang aplikasi dalam meningkatkan mutu layanan berdasarkan analisis sentimen pengguna.

Kata Kunci: Analisis Sentimen; Lalamove; Support Vector Machine; Naïve Bayes; Machine Learning