Komparasi Algoritma Machine Learning Untuk Menganalisis Sentimen Ulasan Pada Aplikasi Digital Korlantas Polri

Abstract

Aplikasi Digital Korlantas Polri merupakan aplikasi mobile yang memberikan kemudahan bagi masyarakat dalam memperpanjang SIM. Analisis sentimen terhadap ulasan pengguna membantu Korlantas Polri mengidentifikasi persepsi publik terhadap layanan yang diberikan. Penelitian ini bertujuan mengevaluasi lima algoritma machine learning mana yang paling baik performanya dari Support Vector Machine (SVM), Naive Bayes, Random Forest, K-Nearest Neighbors (KNN), dan Logistic Regression dalam proses analisis sentimen. Evaluasi dilakukan dengan mengukur akurasi, presisi, recall dan F1 measure. Terdapat 10.000 ulasan diberi label dengan validasi ahli bahasa, diproses ulang, diberi bobot kata setelah data dikumpulkan. Teknik over-sampling minoritas sintetis (SMOTE) diterapkan sebelum pembagian data untuk pelatihan dan pengujian. Hasil evaluasi menunjukkan Random Forest dan SVM melakukannya dengan paling baik. Random Forest memiliki akurasi  90,77%, recall 90,77%, dan nilai F1 tertinggi yaitu 90,79%. SVM memiliki presisi tertinggi dengan 91,14% di antara algoritma lainnya, yang menunjukkan potensi besar kedua algoritma ini menganalisis sentimen ulasan aplikasi digital Korlantas Polri.