Perbandingan Kinerja Metode Support Vector Machine (SVM) Dan Roberta Dalam Analisis Sentimen Ulasan Pengguna Aplikasi Klik Indomaret

Klik Indomaret merupakan aplikasi ritel digital yang menyediakan fitur ulasan pengguna sebagai media untuk menyampaikan pengalaman dan tingkat kepuasan terhadap layanan yang diberikan. Analisis sentimen diperlukan untuk mengelompokkan ulasan tersebut ke dalam sentimen positif dan negatif secara otomatis. Penelitian ini bertujuan membandingkan kinerja metode Support Vector Machine dan RoBERTa dalam analisis sentimen ulasan pengguna aplikasi Klik Indomaret. Penelitian menggunakan 5.000 data ulasan yang diperoleh dari Google Play Store dengan tahapan preprocessing meliputi case folding, data cleaning, normalisasi yang mencakup penyesuaian kata tidak baku dan penanganan negasi, stopword removal, serta tokenisasi. Metode SVM menggunakan pembobotan Term Frequency-Inverse Document Frequency dan optimasi Grid Search, sedangkan RoBERTa menggunakan tokenisasi Byte Pair Encoding dan proses fine-tuning. Hasil penelitian menunjukkan bahwa SVM Default, SVM GridSearch, dan RoBERTa dengan konfigurasi 10 epoch, learning rate 2e-5, dan batch size 24 menghasilkan performa klasifikasi yang relatif serupa dengan nilai akurasi berturut-turut 91,4%, 91,4%, dan 91,1%. Dari aspek efisiensi waktu prediksi, SVM GridSearch menjadi model tercepat dengan waktu 0,81 detik, diikuti SVM Default 0,97 detik dan RoBERTa 6,57 detik. Berdasarkan hasil tersebut, metode SVM, khususnya SVM GridSearch, menunjukkan efisiensi waktu prediksi yang lebih baik dengan tetap mempertahankan performa klasifikasi yang tinggi.