ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI RILIV MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)

Ulasan pengguna sering kali menjadi representasi langsung dari pengalaman mereka terhadap suatu layanan digital, termasuk dalam konteks aplikasi kesehatan mental. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengguna aplikasi Riliv di Google Play Store ke dalam dua kategori, yaitu positif dan negatif, dengan menerapkan algoritma Support Vector Machine (SVM). Data yang digunakan berjumlah 2.978 ulasan dan dikumpulkan melalui teknik web scraping. Proses pelabelan dilakukan menggunakan pendekatan lexicon-based, dilanjutkan dengan preprocessing, ekstraksi fitur menggunakan metode TF-IDF, pembagian data dengan rasio 80:20 dan menggunakan teknik class_weight='balanced' untuk menangani ketidakseimbangaan distribusi data antar kelas. Hasil analisis menunjukkan bahwa mayoritas ulasan bersentimen positif, yang menggambarkan kepuasan pengguna terhadap fitur-fitur yang dirasakan membantu dan bermanfaat. Namun demikian, masih ditemukan sejumlah ulasan negatif yang mengkritisi aspek teknis seperti akses layanan dan sistem konseling berbayar. Model SVM yang dibangun mampu mengklasifikasikan sentimen dengan akurasi sebesar 94%, dengan nilai precision, recall, dan F1-score yang tinggi, yang menunjukkan bahwa algoritma ini efektif dalam menangani teks berbahasa Indonesia secara biner. Penelitian ini menyimpulkan bahwa SVM merupakan metode klasifikasi yang tepat untuk analisis sentimen pada ulasan aplikasi digital, serta dapat digunakan sebagai dasar pengambilan keputusan untuk pengembangan layanan aplikasi kesehatan mental seperti Riliv.