Analisis Sentimen Terhadap Aplikasi My Telkomsel Menggunakan Word2vec Dan Metode Support Vector Machine (Svm) Berbasis Teknik Smote (Studi kasus : Aplikasi My Telkomsel)

Di Indonesia, telkomsel merupakan perusahaan telekomunikasi yang menawarkan berbagai layanan melalui aplikasi My Telkomsel yang dapat memenuhi kebutuhan telekomunikasi mereka. Namun hal ini juga menimbulkan tantangan dalam mengelolah ulasan pengguna, tingginya minat pengguna layanan operator seluler tentunya banyak menghasilkan beragam pendapat atau tanggapan dari masyarakat sehingga perlu dilakukan analisis sentimen. Tujuan dari penelitian ini adalah mengetahui opini pelanggan dari aplikasi My Telkomsel. Dalam penelitian ini data yang digunakan adalah ulasan pengguna aplikasi My Telkomsel di Google Play Store dengan total jumlah 3000 data ulasan dan mengelompokkan ke dalam tiga kelas yaitu kelas positif, netral, dan negatif. Metode yang digunakan untuk ekstraksi fitur yaitu Word2Vec model skip-gram serta klasifikasi menggunakan metode Support Vector Machine (SVM) karena memiliki keakuratan tinggi, namun karena terdapat ketidakseimbangan data pada data yang digunakan maka peneliti menggunakan metode SMOTE untuk mengatasi masalah tersebut. Hasil klasifikasi menggunakan data imbalance pada aplikasi My Telkomsel memiliki accuracy 82.83%, precision 72.21%, recall 57.84% dan f1-score 57.89% sedangkan pada data balance memiliki accuracy 76.50%, precision 61.84%, recall 62.78% dan f1-score 60.71%. Penggunaan data imbalance dan data balance memiliki perbedaan, dimana pada data imbalance memiliki akurasi yang tinggi karena lebih fokus pada kelas mayoriras sedangkan pada data balance mengalami penurunan pada nilai akurasi namun membantu dalam mengatasi ketidakseimbangan kelas dan meningkatkan nilai recall dan f1-score.