IMPLEMENTASI SUPPORT VECTOR MACHINE DENGAN KERNEL LINEAR DALAM ULASAN APLIKASI MYXL PADA GOOGLE PLAY STORE

Penelitian ini bertujuan menganalisis sentimen ulasan pengguna aplikasi MyXL di Google Play Store serta mengkaji kesesuaian penggunaan Support Vector Machine (SVM) kernel linear berdasarkan karakteristik data teks. Berbeda dari penelitian sebelumnya yang umumnya menitikberatkan pada perbandingan algoritma atau peningkatan akurasi, penelitian ini menekankan pemilihan kernel secara metodologis sebagai pendekatan yang paling sesuai secara struktural untuk data teks berdimensi tinggi. Dataset yang digunakan terdiri dari 2.000 ulasan pengguna yang diperoleh dari halaman aplikasi MyXL di Google Play Store, dengan pembagian 1.600 data (80%) sebagai data latih dan 400 data (20%) sebagai data uji. Proses pengolahan data meliputi tahap praproses teks berupa cleaning, case folding, normalisasi kata (filtering), tokenizing, stopword removal, dan stemming. Selanjutnya, teks direpresentasikan menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF) untuk mengubah data teks menjadi fitur numerik berdimensi tinggi. Model klasifikasi kemudian dibangun menggunakan SVM kernel linear dan dievaluasi berdasarkan skema pembagian data latih dan data uji tersebut. Hasil pengujian menunjukkan bahwa model mencapai akurasi sebesar 88%, yang mengindikasikan kinerja klasifikasi yang efektif. Pada kelas sentimen negatif diperoleh nilai precision sebesar 0,90, recall sebesar 0,89, dan F1 score sebesar 0,89 dari total 230 data uji. Pada kelas sentimen positif diperoleh nilai precision sebesar 0,85, recall sebesar 0,87, dan F1 score sebesar 0,86 dari total 170 data uji. Analisis menunjukkan bahwa ulasan pengguna cenderung didominasi oleh sentimen negatif. Penelitian ini memberikan kontribusi praktis dan metodologis dengan membuktikan bahwa SVM kernel linear mampu memberikan stabilitas, efisiensi komputasi, serta kemampuan generalisasi yang baik dalam analisis sentimen ulasan aplikasi berbasis teks berdimensi tinggi.