IMPLEMENTASI SUPPORT VECTOR MACHINE (SVM) DALAM ANALISIS SENTIMEN DAN KETIDAKSESUAIAN PENILAIAN DENGAN ULASAN PENGUNJUNG UNIVERSITAS AMIKOM PURWOKERTO DI GOOGLE MAPS

Penelitian ini berjudul Implementasi Algoritma Support Vector Machine (SVM) dalam Analisis Sentimen Ulasan Pengunjung Universitas Amikom Purwokerto di Google Maps. Tujuan dari penelitian ini adalah untuk mengklasifikasikan sentimen positif dan negatif dari ulasan pengguna menggunakan algoritma SVM. Penelitian ini dibatasi pada ulasan yang tersedia di Google Maps dan menggunakan teknik pengumpulan data scraping. Proses analisis mencakup preprocessing teks, pembobotan kata menggunakan TF-IDF, serta balancing data dengan metode SMOTE. Evaluasi model dilakukan menggunakan confusion matrix.Dari hasil penelitian ini, didapati bahwa SVM dapat membedakan serta menghasilkan model yang mampu mengklasifikasikan ulasan positif dan negatif secara optimal dengan akurasi, precision, recall, dan F1-score 97.5%. Analisis juga mengidentifikasi adanya ketidaksesuaian antara penilaian bintang dan isi ulasan, menegaskan bahwa analisis sentimen berbasis teks lebih representatif dibandingkan sekadar rating bintang.Kesimpulan dari penelitian ini adalah bahwa algoritma SVM memiliki performa yang sangat baik dalam klasifikasi sentimen teks. Model yang dihasilkan dapat digunakan untuk membantu Universitas Amikom Purwokerto dalam memahami persepsi publik secara lebih akurat, serta mendukung upaya peningkatan kualitas layanan dan reputasi institusi.