ANALISIS SENTIMEN DAN PERBANDINGAN KINERJA ALGORITMA NAÏVE BAYES, SVM, DAN RANDOM FOREST DENGAN TF-IDF DAN SMOTE PADA ULASAN APLIKASI DOLAN TELUK PENYU

Pelayanan administrasi kependudukan secara online menjadi prioritas pemerintah daerah untuk meningkatkan efisiensi dan kepuasan masyarakat. Kabupaten Cilacap meluncurkan aplikasi "DOLAN TELUK PENYU" sebagai sarana layanan publik digital, namun keberhasilannya bergantung pada penerimaan dan opini penggunanya sehingga diperlukan analisis mendalam terhadap ulasan pengguna secara objektif. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap aplikasi "DOLAN TELUK PENYU" serta membandingkan kinerja algoritma Naive Bayes, Support Vector Machine (SVM), dan Random Forest sebelum dan sesudah penerapan SMOTE (Synthetic Minority Over-sampling Technique) untuk mengatasi ketidakseimbangan kelas data. Data penelitian berupa 1.198 komentar pengguna aplikasi pada platform YouTube yang setelah proses pembersihan dan penghapusan data duplikat menghasilkan 1.163 data siap olah. Tahapan penelitian meliputi crawling dan scraping data, preprocessing teks (cleaning, case folding, normalisasi, tokenizing, stopword removal, dan stemming), pelabelan sentimen menggunakan pendekatan lexicon based, ekstraksi fitur dengan TF-IDF, klasifikasi, hingga evaluasi model menggunakan confusion matrix. Hasil pelabelan menunjukkan distribusi sentimen Netral 440 data, Positif 395 data, dan Negatif 328 data. Sebelum SMOTE, Random Forest memperoleh akurasi tertinggi sebesar 78,97%, diikuti SVM 72,53% dan Naive Bayes 70,39%. Setelah SMOTE diterapkan, akurasi Random Forest meningkat menjadi 79,17% dan SVM meningkat menjadi 77,27%, sedangkan Naive Bayes justru menurun menjadi 63,64%. Random Forest terbukti sebagai model yang paling stabil dan akurat, sehingga hasil penelitian ini dapat menjadi dasar evaluasi bagi Disdukcapil Kabupaten Cilacap dalam meningkatkan kualitas aplikasi dan pelayanan publik berbasis e-government.