Analisis Sentimen Ulasan Pengguna Pada Aplikasi Kitabisa: Donasi & Zakat Menggunakan Metode Support Vector Machine (SVM) dan Naive Bayes

Abstrak

Pesatnya teknologi digital mendorong munculnya platform filantropi daring seperti Kitabisa yang menghimpun ulasan pengguna dalam jumlah besar. Ulasan pada Google Play Store mencerminkan tingkat kepuasan sekaligus permasalahan layanan, namun sifatnya yang tidak terstruktur menyulitkan analisis manual. Evaluasi terhadap sentimen pengguna pada platform Kitabisa dilakukan dalam penelitian ini dengan menerapkan pendekatan perbandingan antara model Support Vector Machine (SVM) dan Naive Bayes. Data yang berjumlah 11.887 ulasan diproses melalui tahap preprocessing dan pembobotan kata menggunakan pendekatan TF-IDF. Hasil evaluasi menunjukkan bahwa Support Vector Machine mengungguli Naive Bayes dengan accuracy 84,05% dan F1-score 0,93, sementara Naive Bayes meraih accuracy 81,73% dan F1-score 0,92. Secara teoretis, studi ini memperkuat literatur mengenai keunggulan Support Vector Machine terhadap data teks yang bersifat unstructured. Selain itu, hasil penelitian ini menghasilkan sebuah kerangka kerja evaluasi otomatis yang dapat digunakan oleh pengembang aplikasi sebagai dasar dalam meningkatkan kualitas layanan sesuai dengan persepsi pengguna secara akurat.

Identifier

• OpenAlex: https://openalex.org/W7163192062
• DOI: https://doi.org/10.33364/algoritma/v.23-1.3376