ANALISIS SENTIMEN BERBASIS ASPEK PADA ULASAN APLIKASI OJEK INDRALAYA MENGGUNAKAN PERBANDINGAN SUPPORT VECTOR MACHINE DAN NAIVE BAYES

Abstract

Kehadiran Ojek Indralaya sebagai transportasi lokal sangat dipengaruhi oleh kepuasan pengguna di Google Playstore, namun banyaknya ulasan membuat analisis manual menjadi tidak efisien dan rentan subjektivitas. Penelitian ini menerapkan Aspect-Based Sentiment Analysis (ABSA) untuk memetakan sentimen pengguna (positif dan negatif) pada lima aspek layanan: harga, keamanan, kenyamanan, fitur aplikasi, dan pelayanan driver. Menggunakan metode text mining, sebanyak 1.023 data ulasan dikumpulkan melalui teknik scraping dan diolah melalui tahap preprocessing (termasuk mempertahankan slang word bernilai emosi), lalu dibobotkan menggunakan TF-IDF. Model klasifikasi dibangun dengan membandingkan performa algoritma Support Vector Machine (SVM) dan Naive Bayes menggunakan pembagian data 80:20. Kinerja model dievaluasi melalui metrik Accuracy, Precision, Recall, F1-score, dan Confusion Matrix. Hasil pengujian menunjukkan bahwa algoritma SVM memiliki performa yang lebih stabil dan unggul pada seluruh aspek dibandingkan Naive Bayes, dengan performa tertinggi dicapai oleh SVM pada aspek harga (Accuracy 95,65%). Sebaliknya, performa terendah ditemukan pada algoritma Naive Bayes pada aspek keamanan yang dipengaruhi oleh adanya imbalanced dataset. Penelitian ini memberikan kontribusi berupa pemetaan sentimen berbasis aspek yang spesifik sebagai rekomendasi terstruktur bagi pengembang untuk menentukan prioritas perbaikan layanan transportasi lokal.