ANALISIS SENTIMEN BERBASIS ASPEK TERHADAP ULASAN PENGGUNA MAXIM, GRAB, DAN GOJEK MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM)

Ulasan pengguna pada aplikasi Maxim, Grab, dan Gojek di Google PlayStore memuat berbagai opini yang mencerminkan kualitas layanan pada aspek yang berbeda, sehingga analisis manual menjadi tidak efisien. Penelitian ini menerapkan Aspect Based Sentiment Analysis (ABSA) dengan memanfaatkan topic modeling menggunakan Latent Dirichlet Allocation (LDA) untuk mengekstraksi aspek-aspek utama secara otomatis, kemudian mengklasifikasikan sentimen tiap aspek menggunakan algoritma Support Vector Machine (SVM) kernel linear dengan representasi fitur TF-IDF. Dataset terdiri dari 15.000 ulasan berbahasa Indonesia yang diperoleh melalui proses web scraping menggunakan Scrapy pada Google Colab. Hasil pemodelan topik LDA menghasilkan tiga aspek utama, yaitu driver, aplikasi, dan harga. Pengujian dilakukan pada dua skenario, yaitu dataset tidak seimbang dan dataset yang diseimbangkan menggunakan metode Synthetic Minority Over-sampling Technique (SMOTE). Hasil eksperimen menunjukkan bahwa penerapan SMOTE meningkatkan kinerja model SVM, dengan akurasi Maxim naik dari 86,00% menjadi 87,13%, Grab dari 77,72% menjadi 83,16%, dan Gojek dari 80,82% menjadi 81,06%. Temuan ini membuktikan bahwa kombinasi LDA, TF-IDF, SVM, dan SMOTE efektif untuk analisis sentimen berbasis aspek.