ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI RUANGGURU MENGGUNAKAN METODE ADABOOST

AbstrakrnPerkembangan teknologi informasi mendorong munculnya berbagai platform pembelajaran daring di Indonesia, salah satunya adalah Ruangguru yang menjadi salah satu aplikasi edukasi terbesar. Banyaknya ulasan pengguna terhadap aplikasi tersebut menunjukkan beragam persepsi mengenai kualitas layanan yang diberikan. Pemahaman terhadap opini pengguna dilakukan dengan menganalisis ulasan yang mereka tulis, sehingga dapat menjadi dasar evaluasi untuk meningkatkan mutu layanan aplikasi. Penelitian ini berfokus pada analisis sentimen dari berbagai ulasan pengguna mengenai aplikasi Ruangguru menggunakan pendekatan lexicon-based dan metode klasifikasi AdaBoost berbasis Term Frequency–Inverse Document Frequency (TF-IDF). Data sebanyak 16.963 diperoleh dari lima platform digital, yaitu Google Play Store, YouTube, Instagram, TikTok, dan Twitter. Proses analisis meliputi data preprocessing, pembobotan TF-IDF, penyeimbangan data menggunakan Synthetic Minority Oversampling Technique (SMOTE), serta optimasi parameter model melalui GridSearchCV. Hasil penelitian menunjukkan bahwa penerapan SMOTE bersama penyesuaian parameter dapat meningkatkan kinerja model secara nyata. Akurasi model meningkat dari 75,8% menjadi 84,23%, dengan nilai F1-score rata-rata sebesar 0,84. Hasil tersebut menunjukkan bahwa perpaduan antara TF-IDF, AdaBoost, dan SMOTE memberikan dampak positif terhadap ketepatan model dalam mengelompokkan sentimen pengguna.