Implementasi Support Vector Machine untuk Analisis Sentimen Aplikasi “Mpstore - Super App UMKM”
DOI:
https://doi.org/10.33795/jip.v10i4.5427Keywords:
support vector machine, google play store, analisis sentimen, mpstore - superapp umkm, tf-idfAbstract
Arus revolusi digital semakin deras, menjadikan teknologi sebagai katalis utama yang mengubah berbagai aspek kehidupan, termasuk sektor usaha UMKM. MPStore, sebuah Aplikasi inovatif yang dikembangkan oleh PT. Mitra Pedagang Indonesia Tbk, dirancang untuk memberdayakan pelaku UMKM dalam pengelolaan penjualan, pembelian, pencarian produk, layanan pengguna, dan proses pembayaran. Aplikasi ini menyediakan platform yang efisien untuk menjalankan bisnis, memperluas cakupan pasar, dan meningkatkan daya saing UMKM di era kompetisi global. Penelitian ini bertujuan untuk mengeksplorasi ulasan pengguna terhadap aplikasi MPStore - SuperApp UMKM yang dikembangkan oleh PT. Mitra Pedagang Indonesia Tbk melalui analisis sentimen, sehingga aplikasi tersebut dapat ditingkatkan berdasarkan masukan pengguna. Tahapan penelitian ini dimulai dari pengumpulan data, data cleaning, labeling data menjadi positif dan negatif, pembobotan TF-IDF, membagi data latih dan data uji dengan perbandingan 80:20, dan klasifikasi menggunakan algoritma Support Vector Machine. Hasil penelitian menunjukkan bahwa algoritma SVM memberikan performa yang sangat baik dalam klasifikasi sentimen, dengan akurasi keseluruhan sebesar 90%. Model ini mampu mengidentifikasi sentimen negatif dengan precision sebesar 0.78, recall sebesar 0.59, dan f1-score sebesar 0.67. Sementara itu, untuk sentimen positif, model ini mencapai precision sebesar 0.92, recall sebesar 0.97, dan f1-score sebesar 0.94. Penelitian ini juga memberikan rekomendasi peningkatan fitur pada aplikasi MPStore berdasarkan analisis sentimen yang dilakukan, sehingga dapat meningkatkan kepuasan dan pengalaman pengguna secara keseluruhan. Implementasi dari hasil penelitian ini diharapkan dapat memberikan kontribusi nyata dalam pengembangan teknologi yang mendukung pertumbuhan UMKM di Indonesia.
Downloads
References
Adhe, D., Rachman, C., Goejantoro, R., Deny, F., & Amijaya, T. (2020). Implementasi Text Mining Pengelompokkan Dokumen Skripsi Menggunakan Metode K-Means Clustering Implementation Of Text Mining For Grouping Thesis Documents Using K-Means Clustering. Jurnal EKSPONENSIAL, 11(2).
Alhaqq, R. I., & Ruldeviyani, Y. (2022). Analisis Sentimen terhadap Penggunaan Aplikasi MySAPK BKN di Google Play Store. https://www.researchgate.net/publication/367216412
Annisa, L., & Kalifia, A. D. (2024). Analisis Teknik TF-IDF Dalam Identifikasi Faktor-Faktor Penyebab Depresi Pada Individu. Gudang Jurnal Multidisiplin Ilmu, 2(1), 302–307. https://doi.org/10.59435/gjmi.v2i1.249
Dasuki, K. A., Hilabi, S. S., Apriani, F. N., & Tukino, T. (2023). Analisis Sentimen Pinjaman Online Akulaku dan Kredivo dengan Metode Support Vector Machine (SVM). Journal of Mandalika Literature, 4(3), 323–332.
Dwiki, A., Putra, A., & Juanita, S. (2021). Analisis Sentimen Pada Ulasan Pengguna Aplikasi Bibit Dan Bareksa Dengan Algoritma KNN. Jatisi: Jurnal Teknik Informatika Dan Sistem Informasi, 8(2), 636–646. http://jurnal.mdp.ac.id
Fikri, M. I., Sabrila, T. S., & Azhar, Y. (2020). Perbandingan Metode Naïve Bayes dan Support Vector Machine pada Analisis Sentimen Twitter. SMATIKA Jurnal, 10(2), 71–76.
Friska Aditia Indriyani, Ahmad Fauzi, & Sutan Faisal. (2023). Analisis sentimen aplikasi tiktok menggunakan algoritma naïve bayes dan support vector machine. TEKNOSAINS : Jurnal Sains, Teknologi Dan Informatika, 10(2), 176–184. https://doi.org/10.37373/tekno.v10i2.419
Hidayat, E. Y., Hardiansyah, R. W., & Affandy, A. (2021). Analisis Sentimen Twitter untuk Menilai Opini Terhadap Perusahaan Publik Menggunakan Algoritma Deep Neural Network. Jurnal Nasional Teknologi Dan Sistem Informasi, 7(2), 108–118. https://doi.org/10.25077/teknosi.v7i2.2021.108-118
Irfani, F. F., Triyanto, M., Hartanto, A. D., & Kusnawi. (2020). Analisis Sentimen Review Aplikasi Ruangguru Menggunakan Algoritma Support Vector Machine. JBMI (Jurnal Bisnis, Manajemen, Dan Informatika), 16(3), 258–266. https://doi.org/10.26487/jbmi.v16i3.8607
Khairunnisa, S., Adiwijaya, A., & Faraby, S. Al. (2021). Pengaruh Text Preprocessing terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter (Studi Kasus Pandemi COVID-19). JURNAL MEDIA INFORMATIKA BUDIDARMA, 5(2), 406. https://doi.org/10.30865/mib.v5i2.2835
Muhammadin, A., & Sobari, I. A. (2021). Analisis Sentimen Pada Ulasan Aplikasi Kredivo Dengan Algoritma SVM Dan NBC. Reputasi: Jurnal Rekayasa Perangkat Lunak, 2(2), 85–91. http://jurnal.bsi.ac.id/index.php/reputasi
Nurhafida, S. I., & Sembiring, F. (2022). Analisis Sentimen Aplikasi Novel Online Di Google Play Store Menggunakan Algoritma Support Vector Machine (SVM). In Jurnal Sains Komputer & Informatika (J-SAKTI (Vol. 6, Issue 1).
PT. Mitra Pedagang Indonesia. (2024a). Visi, Misi, Dan Nilai-Nilai Perusahaan. MPStore.
PT. Mitra Pedagang Indonesia. (2024b, June). MPStore - SuperApp UMKM. Google Play Store.
Santoso, E. B., & Nugroho, A. (2019). Analisis Sentimen Calon Presiden Indonesia 2019 Berdasarkan Komentar Publik Di Facebook. Eksplora Informatika, 9(1), 60–69. https://doi.org/10.30864/eksplora.v9i1.254
Solecha, K., & Irnawati, O. (2023). Komparasi Algoritma Support Vector Machine Dan Naïve Bayes Berbasis Particle Swarm Optimization Pada Analisis Sentimen Ulasan Aplikasi Flip. In Journal Information Engineering and Educational Technology (Vol. 07).
Zaenal, Z., & Astutik, I. R. I. (2022). Sentiment Analysis of OYO App Reviews Using the Support Vector Machine Algorithm Analisis Sentimen terhadap Ulasan Aplikasi OYO menggunakan Algoritma Support Vector Machine.
