KLASIFIKASI SENTIMEN ULASAN APLIKASI ACI MENGGUNAKAN N-GRAM DAN ALGORITMA SUPPORT VECTOR MACHINE (SVM)

Transformasi teknologi informasi mendorong pemanfaatan Natural Language Processing (NLP) dalam analisis sentimen untuk menggali opini pengguna terhadap layanan berbasis aplikasi. Penelitian ini bertujuan menganalisis sentimen ulasan pengguna aplikasi ojek daring ACI di Google Play Store menggunakan metode N-gram dan algoritma Support Vector Machine (SVM). Data penelitian terdiri atas 1.419 ulasan yang dikumpulkan pada periode 2023–2025. Setelah melalui tahap preprocessing, jumlah data berkurang menjadi 1.285 ulasan dengan menghapus teks yang memiliki kurang dari tiga kata. Pelabelan sentimen dilakukan menggunakan pendekatan lexicon-based dengan kamus sentiwords_id. Data dengan sentimen netral dihapus, sehingga diperoleh 239 data akhir yang terbagi ke dalam kelas positif dan negatif. Ekstraksi fitur dilakukan menggunakan skema unigram, unigram + bigram, dan unigram + trigram dengan pembobotan Term Frequency–Inverse Document Frequency (TF-IDF). Proses klasifikasi dilakukan menggunakan SVM linear dengan pembagian data latih dan data uji sebesar 80:20. Hasil pengujian menunjukkan bahwa kombinasi unigram + bigram menghasilkan akurasi tertinggi sebesar 96%, diikuti oleh unigram + trigram sebesar 94% dan unigram sebesar 90%. Seluruh model menghasilkan nilai precision, recall, dan F1-score di atas 88%. Temuan ini menunjukkan bahwa kombinasi unigram + bigram mampu merepresentasikan konteks kata secara lebih optimal. Tingkat akurasi yang tinggi mengindikasikan bahwa model yang diusulkan dapat dimanfaatkan sebagai alat evaluasi berbasis data untuk membantu pengembang aplikasi ACI dalam memantau persepsi pengguna dan meningkatkan kualitas layanan.