PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN DATA ULASAN APLIKASI BINANCE PADA GOOGLE PLAY STORE

Penelitian ini dilatarbelakangi oleh pentingnya pemahaman sentimen pengguna terhadap aplikasi Binance dan analisis sentimen merupakan alat yang efektif untuk mencapai tujuan tersebut. Proses penelitian dimulai dengan pengumpulan data ulasan dari Google Play Store menggunakan teknik web scraping. Data yang diperoleh kemudian melalui tahap preprocessing yang meliputi pembersihan teks, tokenisasi, dan transformasi teks ke dalam bentuk fitur numerik menggunakan metode TF-IDF (Term Frequency-Inverse Document Frequency). Algoritma SVM diterapkan pada data yang telah diproses untuk membangun model klasifikasi sentimen. Selanjutnya, dilakukan pengujian menggunakan kombinasi dari pembagian data latih dan data uji, serta menggunakan confusion matrix. Hasil eksperimen menunjukkan bahwa model SVM mencapai akurasi sebesar 87,24%. Evaluasi lebih lanjut mengungkapkan precision sebesar 85%, recall sebesar 87%, dan f1-score sebesar 85%.