Analisis Sentimen pada Ulasan Aplikasi My TelU Menggunakan Perbandingan Metode Naive Bayes dan Support Vector Machine (Studi Kasus: Google Play Store)

Abstract

Implementasi teknologi informasi di lingkungan perguruan tinggi merupakan langkah strategis untuk meningkatkan mutu layanan akademik yang terintegrasi dan responsif. Universitas Telkom memanfaatkan aplikasi My TelU sebagai sarana pendukung berbagai aktivitas akademik mahasiswa. Namun, dalam implementasinya, aplikasi tersebut masih menghadapi sejumlah kendala teknis yang berpotensi memengaruhi kualitas layanan akademik digital serta persepsi pengguna. Ulasan pengguna pada platform Google Play Store menjadi sumber informasi penting untuk mengidentifikasi permasalahan tersebut, tetapi pengolahan ulasan secara manual dan tidak terstruktur berisiko menimbulkan bias dalam evaluasi kualitas layanan. Oleh karena itu, penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi My TelU guna menggambarkan persepsi pengguna secara objektif, sekaligus membandingkan kinerja algoritma Naive Bayes dan Support Vector Machine (SVM) dalam mengklasifikasikan sentimen. Dataset yang digunakan terdiri dari 139 ulasan pengguna yang telah melalui tahap pra-pemrosesan, meliputi case folding, normalization, tokenizing, dan stemming. Evaluasi performa model dilakukan menggunakan metode K-Fold Cross-Validation dengan skenario K = 3, 5, dan 10. Hasil pengujian menunjukkan bahwa algoritma Naive Bayes pada skenario K = 10 menghasilkan performa terbaik dengan tingkat akurasi sebesar 91,98%, lebih tinggi dibandingkan performa tertinggi algoritma SVM sebesar 89,84%. Temuan ini menunjukkan bahwa NaÔve Bayes lebih efektif dalam mengklasifikasikan sentimen ulasan pengguna pada aplikasi My TelU.
Kata kunci – analisis sentimen, Naive Bayes, Support Vector Machine, My TelU, Universitas Telkom.