Analisis Sentimen pada Ulasan Pengguna Aplikasi Investasi Online di Google Play Store Menggunakan Metode Support Vector Machine (Studi Kasus: Aplikasi Ajaib dan Bibit)

Perkembangan teknologi semakin pesat saat ini. Salah satu bidang yang berkembang pesat ialah investasi. Aplikasi investasi online telah banyak disediakan oleh berbagai perusahaan sekuritas sehingga bisa meningkatkan minat masyarakat untuk melakukan investasi secara online. Karena banyak aplikasi investasi online memiliki jumlah unduhan dan penilaian bintang yang hampir sama, peneliti berpendapat bahwa ulasan pengguna harus dipertimbangkan. Denganrndemikian, penelitian ini menganalisis ulasan pengguna aplikasi investasi online untuk menemukan aplikasi terbaik di Google Play Store. Peneliti menggunakan dua aplikasi, yaitu Ajaib dan Bibit, dengan total 3000 data ulasan untuk setiap aplikasi. Metode Support Vector Machine (SVM) digunakan karena memiliki keakuratan tinggi. Namun, SVM membutuhkan waktu dan memori yang banyak saat bekerja dengan data yang memiliki dimensi tinggi. Oleh karena itu, Principal Component Analysis (PCA) digunakan untuk mengurangi jumlah fitur. Metode SMOTE juga digunakan untuk mengatasi ketidakseimbangan data. Dilakukan pengujian untuk mendapatkan hasil akurasi tertinggi pada aplikasi Ajaib dan Bibit. Dalam metode SVM SMOTE mendapatkan akurasi 92.93% untuk Ajaib dan 93.06% untuk Bibit. Dalam metode SVM PCA SMOTE mendapatkan akurasi 89.23% untuk Ajaib dan 89.88% untuk Bibit. Metode SVM menghasilkan akurasi 84.5% untuk Ajaib dan 82.67% untuk Bibit. Terakhir, metode SVM PCA menghasilkan akurasi 83.67% untuk Ajaib dan 83.17% untuk Bibit. Dapat disimpulkan bahwa aplikasi Bibit lebih unggul daripada Ajaib berdasarkan tingkat akurasi. Penelitian ini memberikan wawasan penting dalam memilih metode yang sesuai untuk mencapai akurasi yang optimal dalam analisis sentimen ulasan pengguna aplikasi investasi online.