Penerapan Metode SMOTE dan Support Vector Machine pada Analisis Sentimen Aplikasi Dompet Digital Berdasarkan Ulasan Pengguna

Pada zaman serba digital, kehadiran aplikasi yang memudahkan masyarakat sangat dibutuhkan. Dompet digital merupakan aplikasi layanan keuangan yang digunakan untuk transaksi secara online. Pastinya diperlukan peningkatan layanan agar aplikasi lebih baik dan selalu memuaskan pengguna. Digunakan lima aplikasi dompet digital yang diambil ulasannya sebagai bahan evaluasi secara umum, dengan total 2000 data ulasan. Penelitian ini dilakukan dengan analisis sentimen untuk mengklasifikasi ulasan terhadap kepuasan maupun keluhan pengguna terhadap aplikasi. Namun pada hasil pelabelan, ditemukan imbalance data yakni positif sebanyak 1214 dan negatif sebanyak 786. Hal ini dapat menyebabkan kesalahan klasifikasi kelas dan membuat performa kurang maksimal pada hasil akurasi. Maka akan dilakukan penelitian dengan menerapkan SVM dan SMOTE. SVM dipilih sebagai metode klasifikasi karena dapat menghasilkan akurasi yang tinggi dan tidak rentan terhadap overfitting. Metode SMOTE juga diterapkan karena dapat mengatasi imbalance data yang biasanya mengakibatkan hasil prediksi dari model lebih cenderung ke data kelas yang dominan. Dalam klasifikasi, tahapan lainnya diperlukan seperti pelabelan data, preprocessing untuk membersihkan data dari informasi yang tidak relevan, penerapan ekstraksi fitur TF-IDF serta cross validation sebagai tahap validasi dan uji kinerja pada model learning untuk memudahkan proses pengujian. Berdasarkan hasil pengujian, disimpulkan bahwa nilai akurasi yang didapatkan lebih tinggi ketika menggunakan metode SVM kernel RBF dengan SMOTE yaitu sebesar 95.652% menggunakan parameter C 10 dan 100, dibandingkan metode SVM menggunakan kernel linear tanpa SMOTE dengan parameter C=1 yang memiliki akurasi sebesar 93.5%.