Analisis Sentimen Berbasis Aspek Pada Ulasan Pengguna Aplikasi Starbucks Menggunakan Algoritma Support Vector Machine

Abstract

Perkembangan transformasi digital di semua aspek bisnis saat ini telah mengubah cara perusahaan memberikan nilai tambah bagi bisnis mereka. Salah satu contohnya yaitu perusahaan bisnis kedai kopi Starbucks yang memanfaatkan tren teknologi aplikasi mobile dengan mengembangkan "Loyalty Rewards App". Namun, banyak ditemukan ulasan negatif di Google Play Store yang harus diperhatikan pihak pengembang. Belum ada penelitian pada ulasan tersebut sehingga sentimen dan informasi terkait aspek penting seperti aspek-aspek usability aplikasi masih belum diketahui. Penelitian ini bertujuan untuk mengetahui sentimen ulasan pengguna aplikasi Starbucks serta aspek-aspek usability aplikasi yaitu learnability, efficiency, errors dan satisfaction, menggunakan metode SVM, dengan menguji tiga jenis kernel yaitu Linear, Polinomial dan RBF. Tahap preprocessing data diikuti dengan ekstraksi fitur menggunakan TF-IDF. Untuk mendapatkan hasil klasifikasi yang lebih baik, juga dilakukan Hyperparameter tuning pada model SVM menggunakan GridSearchCV. Dataset diperoleh dari hasil scraping ulasan pengguna aplikasi Starbucks di Google Play Store. Hasil penelitian menunjukkan bahwa pembuatan model klasifikasi menggunakan SVM memiliki performa yang cukup baik yaitu dengan rata-rata skor dari skor accuracy sebesar 88.96%, f1-score 66.85%, precision 75.77% dan recall 64.68%. Sementara itu, hasil analisis menunjukkan bahwa mayoritas sentimen bernilai negatif di seluruh aspek aplikasi terutama pada aspek errors, yang menandakan tingginya tingkat kesalahan pada sistem.