Algoritma Support Vector Machine berbasis Particle Swarm Optimization untuk Analisis Sentimen Aplikasi Free Transfer Antar Bank

Flip, Neobank, dan Bank Jago merupakan inovasi Financial Technology yang memberikan fasilitas pembebasan biaya transfer antar bank. Seiring perkembangan waktu dan peningkatan jumlah pengguna, berbagai opini publik muncul dalam bentuk ulasan pada platform Google Play Store. Penelitian ini memanfaatkan metode web scraping dengan menggunakan bahasa pemrograman Python untuk mengambil data ulasan. Dalam implementasinya, klasifikasi dilakukan dengan metode Support Vector Machine (SVM) dan Particle Swarm Optimization (PSO). Data ulasan menjalani proses pelabelan, tahap preprocessing, dan pembobotan kata dengan TF-IDF. Selain itu untuk mengatasi ketidakseimbangan kelas pada dataset dilakukan penanganan dengan Teknik Random Oversampling. Tujuan utama penelitian ini adalah untuk mengevaluasi seberapa efektif penggunaan PSO pada algoritma SVM dapat meningkatkan akurasi hasil analisis sentimen serta pengaruh dataset seimbang (balance) dan tidak seimbang (imbalance) dalam menjalankan model. Hasil penelitian menunjukkan bahwa pengoptimalan parameter dengan PSO secara konsisten meningkatkan kinerja analisis sentimen pada aplikasi transfer antar bank. Pada aplikasi Flip model SVM+PSO mencapai akurasi tertinggi sebesar 98% pada dataset tidak seimbang. Demikian pula, aplikasi Neobank mencapai akurasi tertinggi pada model SVM+PSO sebesar 96% dan aplikasi Bank Jago sebesar 97%. Temuan ini memberikan pemahaman yang lebih mendalam mengenai peran positif algoritma Particle Swarm Optimization (PSO) dalam meningkatkan akurasi model sentimen, khususnya pada model SVM.