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

Abstrak

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