Implementasi Metode Support Vector Machine (SVM) Pada Analisis Sentimen Ulasan Pengguna Aplikasi CapCut Berbasis Machine Learning

• EKO WIBOWO
• 2024

---

Berbagi menggunakan video sudah menjadi trend di tahun 2024 ini. Masyarakat senang berbagi video di akun media sosialnya untuk membagikan  kegiatan sehari–hari, promosi, dan sebagai media pembelajaran. Aplikasi CapCut menjadi salah satu aplikasi penyuntingan video yang paling banyak diunduh di Play Store. Aplikasi ini mudah digunakan dan memiliki fitur yang banyak. Penelitian ini bertujuan untuk melihat hasil performa yang didapatkan dari implementasi metode Support Vector Machine (SVM) pada analisis sentimen ulasan pengguna aplikasi CapCut berbasis machine learning. Data diambil dengan cara scrapping menggunakan Google Collaboratory dari ulasan pengguna aplikasi CapCut sebanyak 1000 data.  Klasifikasi sentimen berdasarkan rating yang didapatkan. Ulasan pengguna dengan rating 1-3 memiliki sentimen negatif sedangkan ulasan pengguna dengan rating 3-4 memiliki sentimen positif. Jumlah data sentimen negatif dan positif yang  tidak seimbang dilakukan handling imbalance dengan SMOTE.  Hasil penelitian menunjukkan hasil performa yang didapatkan tingkat akurasi 90,98%, nilai  precision 86,49%, nilai  recall 95,51%, dan nilai F1 Score 90,78%. Tingkat akurasi yang mendekati 100 % menunjukkan kualitas metode SVM cukup baik.

• Analisis Sentimen
• CapCut
• Support Vector Machine

https://repository.bsi.ac.id/repo/51362/Implementasi-Metode-Support-Vector-Machine-(SVM)-Pada-Analisis-Sentimen-Ulasan-Pengguna-Aplikasi-CapCut-Berbasis-Machine-Learning
File full-text dikunci.