PERBANDINGAN KINERJA KERNEL LINEAR DAN RBF SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN ULASAN PENGGUNA KAI ACCESS PADA GOOGLE PLAY STORE

Abstract

Aplikasi KAI Access, yang merupakan platform pembelian tiket online milik PT Kereta Api Indonesia (Persero), dapat diunduh melalui berbagai platform seperti Google Play Store. Ulasan pengguna aplikasi KAI Access di Google Play Store akan membentuk persepsi pengguna terkait aplikasi. Untuk memahami ulasan atau mendeteksi sentimen yang diberikan pengguna terhadap aplikasi, penting dilakukan suatu teknik pengolahan data yang disebut sebagai teknik analisis sentimen. Analisis sentimen dengan menggunakan algoritma support vector machine (SVM), diterapkan pada ulasan KAI Access di Google Play Store dalam penelitian ini. Tujuan dari penelitian ini adalah mengukur performa algoritma SVM dengan kernel linear dan kernel RBF dalam mengklasifikasikan sentimen menjadi dua kelas, yaitu positif dan negatif. Sebanyak 10.000 data ulasan aplikasi KAI Access di Google Play Store digunakan dalam penelitian ini. Hasil pengujian menunjukkan bahwa SVM Kernel Linear mampu menghasilkan model analisis sentimen dengan akurasi tertinggi sebesar 83,1%, sementara SVM Kernel RBF mampu mencapai akurasi tertinggi sebesar 86,1%.