Analisis Sentimen Pada Aplikasi Identitas Kependudukan Digital Menggunakan Metode Support Vector Machine (SVM)

Authors

Abstract

Abstrak — Aplikasi Identitas Kependudukan Digital (IKD) merupakan gambaran digital dari dokumen kependudukan yang menampilkan data pribadi pengguna melalui perangkat elektronik. Rating aplikasi IKD di Play Store yang hanya 3,5 dari 5 menunjukkan tingkat kepuasan pengguna yang masih rendah. Tujuan dari penelitian ini adalah untuk menganalisis sentimen terhadap ulasan aplikasi IKD di Play Store. Data dikumpulkan melalui proses scraping, kemudian dilabeli secara manual menjadi dua kelas, yaitu positif dan negatif. Selanjutnya, dilakukan preprocessing dan pembobotan data menggunakan TF-IDF. Model klasifikasi dibangun menggunakan algoritma Support Vector Machine (SVM), yang dalam penelitian ini dibagi ke dalam tiga skenario pembagian data latih dan uji, yaitu 90:10, 80:20, dan 70:30. Untuk mengatasi kelas yang tidak seimbang, digunakan teknik oversampling ADASYN, SMOTE, dan SMOTETomek. Setiap skenario dikombinasikan dengan tiga kernel SVM, yaitu Linear, RBF, dan Polynomial, sehingga diperoleh total 27 model. Hasil terbaik diperoleh dari kombinasi kernel RBF, metode SMOTE, dan pembagian data 90:10 dengan akurasi mencapai 85%. Penelitian ini juga menghasilkan dashboard berbasis web yang menyajikan hasil analisis secara interaktif dan informatif.

 

Kata kunci— Google Play Store, Identitas Kependudukan Digital, Kernel, Resampling, Support Vector Machine

Downloads

Download data is not yet available.

References

[1] I. B. Permadi and A. Rokhman, “Implementasi Identitas Kependudukan Digital Dalam Upaya Pengamanan Data pribadi,” JOPPAS: Journal of Public Policy and Administration Silampari, vol. 4, no. 2, pp. 80–88, Jun. 2023, doi: 10.31539/joppas.v4i2.6199.

[2] A. Luthfika Fairuz, R. Dias Ramadhani, N. Annisa, and F. Tanjung, “JURNAL DINDA Analisis Sentimen Masyarakat Terhadap COVID-19 Pada Media Sosial Twitter,” 2021. [Online]. Available: http://journal.ittelkom-pwt.ac.id/index.php/dinda

[3] I. Maulana, W. Apriandari, and A. Pambudi, “ANALISIS SENTIMEN BERBASIS ASPEK TERHADAP ULASAN APLIKASI MYPERTAMINA MENGGUNAKAN SUPPORT VECTOR MACHINE,” 2023. [Online]. Available: http://jom.fti.budiluhur.ac.id/index.php/IDEALIS/index

[4] M. Izunnahdi, G. Aburrahman, and A. E. Wardoyo, “Sentimen Analisis Pada Data Ulasan Aplikasi KAI Access Di Google PlayStore Menggunakan Metode Multinomial Naive Bayes Sentiment Analysis on KAI Access Application Review Data on Google PlayStore Using Multinomial Naive Bayes Method,” 2021. [Online]. Available: http://jurnal.unmuhjember.ac.id/index.php/JST

[5] W. E. Saputro, H. Yuana, and W. D. Puspitasari, “ANALISIS SENTIMEN PENGGUNA DOMPET DIGITAL DANA PADA KOLOM KOMENTAR GOOGLE PLAY STORE DENGAN METODE KLASIFIKASI SUPPORT VECTOR MACHINE,” 2023.

[6] R. A. Lestari, A. Erfina, and W. Jatmiko, “Penerapan Algoritma Support Vector Machine pada Analisis Sentimen Terhadap Identitas Kependudukan Digital,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 10, no. 5, pp. 1063–1070, Oct. 2023, doi: 10.25126/jtiik.2023107264.

[7] D. F. Setiawan, T. Tristiyanto, and A. Hijriani, “APLIKASI WEB SCRAPING DESKRIPSI PRODUK,” Jurnal Teknoinfo, vol. 14, no. 1, p. 41, Jan. 2020, doi: 10.33365/jti.v14i1.498.

[8] Z. Alhaq, A. Mustopa, and J. D. Santoso, “PENERAPAN METODE SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN PENGGUNA TWITTER,” 2021.

[9] D. Diandra Audiansyah, D. Eka Ratnawati, and B. Trias Hanggara, “Analisis Sentimen Aplikasi MyXL menggunakan Metode Support Vector Machine berdasarkan Ulasan Pengguna di Google Play Store,” 2022. [Online]. Available: http://j-ptiik.ub.ac.id

[10] A. M. Pravina, I. Cholissodin, and P. P. Adikara, “Analisis Sentimen Tentang Opini Maskapai Penerbangan pada Dokumen Twitter Menggunakan Algoritme Support Vector Machine (SVM),” 2019. [Online]. Available: http://j-ptiik.ub.ac.id

[11] F. N. Dhewayani et al., “Implementasi K-Means Clustering untuk Pengelompokkan Daerah Rawan Bencana Kebakaran Menggunakan Model CRISP-DM,” Jurnal Teknologi dan Informasi, 2022, doi: 10.34010/jati.v12i1.

[12] G. Gumelar, Q. Ain, R. Marsuciati, S. Agustanti Bambang, A. Sunyoto, and M. Syukri Mustafa, “Kombinasi Algoritma Sampling dengan Algoritma Klasifikasi untuk Meningkatkan Performa Klasifikasi Dataset Imbalance,” 2021.

[13] F. Rassya, M. Kallista, and P. D. Wibawa, “Klasifikasi Kualitas Udara menggunakan Adaptive KNN dan Weighted KNN dengan Penggunaan SMOTE-Tomek Links dan Pendekatan Bagging,” 2024.

[14] C. Wulandari and L. Sunardi, “KLIK: Kajian Ilmiah Informatika dan Komputer Analisis Sentimen Aplikasi Spotify Pada Ulasan Pengguna di Google Play Store Menggunakan Metode Support Vector Machine,” Media Online, vol. 4, no. 5, pp. 2588–2595, 2024, doi: 10.30865/klik.v4i5.1762.

[15] D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” 2021.

Published

2025-12-01

Issue

Pages

1 - 11

Section

Prodi S1 Sistem Informasi - Kampus Surabaya

How to Cite

Dito Putra, Hidayati, S., & Dzulkarnain, A. (2025). Analisis Sentimen Pada Aplikasi Identitas Kependudukan Digital Menggunakan Metode Support Vector Machine (SVM). EProceedings of Engineering, 12(6), 1-11. https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/28641