ANALISIS SENTIMEN REVIEW APLIKASI WETV PADA PLATFORM TWITTER MENGGUNAKAN SUPPORT VECTOR MACHINE

Abstract

Twitter salah satu media sosial, yang memiliki fungsi untuk send pesan, sering disebut dengan kicauan atau (tweet). Penggunaan twitter di Indonesia mencapai 59%, dengan peringkat ke-5 media sosial yang sering digunakan tahun 2020. Dari data tersebut, maka dapat dipastikan bahwa platform twitter menjadi media sosial yang memiliki pengaruh bagi para pengguna di Indonesia. Selain menggunakan twitter, masyarakat indonesia juga menyukai hiburan di waktu senggang mereka, dengan berkegiatan sepeti membaca, bermain, bahkan menonton bersama dengan keluarga secara streaming pada aplikasi. Semakin banyak pengguna dari WeTV maka banyak juga ulasan pada aplikasi tersebut dan dapat memberikan pengaruh untuk WeTv dalam perbaikan tehadap aplikasi, untuk mengatasi permasalahan yang ada maka dilakukannya analisis sentimen terhadap data review pada aplikasi WeTV dengan metode Support Vector Machine. Dengan data baru yang terdapat di situs Google Play Store. Berdasarkan hasil penelitian mengenai analisis sentimen pengguna aplikasi WeTv, dengan jumlah 4024 data yang sudah melewati proses cleaning, labelling, preprocess text, filtering, tokenization, transformation dan klasifikasi menggunakan algoritna Support Vector Machine, dan dilanjutkan dengan evaluasi data, dengan confusion matrix menggunakan tools Google Collab dapat disimpulkan bahwa hasil dari ulasan tweet memiliki tingkat persentase sebesar 89% pada akurasi (accuration), dan memiliki nilai 87% pada hasil precision, dan tingkat keberhasilan (recall) sebessar 83%. Dapat disimpulkan bahwa algoritma SVM memiliki kinerja yang cukup baik. Analisis sentimen pengguna twitter terhadap aplikasi WeTv menghasilkan 1624 sentimen positif dan 2400 sentimen negatif. Berdasarkan nilai tersebut dapat diketahui bahwa sentimen masyarakat mengenai aplikasi WeTv di media sosial twiiter, tergolong negatif dan pengguna masih kurang puas dengan aplikasi karena masih banyaknya iklan, aplikasi yang sering mengalami error, hingga translate yang masih belum terupdate secara otomatis.