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

Tren hidup sehat yang didukung kemajuan teknologi mendorong peningkatan penggunaan aplikasi kesehatan, khususnya aplikasi calorie tracking seperti Fatsecret. Beragam sentimen pengguna di Google Play Store menunjukkan apresiasi sekaligus kritik terhadap fitur dan layanan aplikasi tersebut. Penelitian ini bertujuan mengklasifikasikan sentimen ulasan pengguna aplikasi Fatsecret menggunakan metode Support Vector Machine (SVM) dan menganalisis kinerja SVM dalam tugas klasifikasi sentimen ini. Dataset yang digunakan sebanyak 1.301 ulasan pengguna aplikasi Fatsecret dari Google Play Store berkategori relevan, dikumpulkan pada periode 27 Februari 2022 hingga 27 Februari 2025 menggunakan teknik scraping Data. Proses analisis dimulai dengan Preprocessing Data meliputi cleaning, case folding, normalization, tokenizing, stopword removal, dan stemming. Selanjutnya, fitur diekstraksi menggunakan TF-IDF dan diklasifikasikan ke dalam tiga kelas sentimen positif, netral, dan negatif menggunakan metode Support Vector Machine (SVM). Implementasi SVM melibatkan weight balancing dan k-fold cross validation, serta evaluasi menggunakan confusion matrix, akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan 838 ulasan bersifat positif, 373 ulasan bersifat netral, dan 78 ulasan bersifat negatif. Implementasi SVM memperoleh akurasi tertinggi 92% dengan kernel linear dan k-10 cross validation. Performa model untuk kelas positif adalah presisi 98%, recall 93%, dan f1-score 95%; untuk kelas netral presisi 81%, recall 95%, dan f1-score 87%; dan untuk kelas negatif presisi 89%, recall 69%, dan f1-score 78%. Dengan demikian, penelitian ini berhasil mengimplementasikan SVM dan mengevaluasi kinerjanya, menunjukkan bahwa SVM cukup efektif dan andal dalam mengidentifikasi sentimen pengguna aplikasi Fatsecret.