KOMPARASI ALGORITMA SVM DAN RANDOM FOREST DALAM ANALISIS SENTIMEN APLIKASI CGV MENGGUNAKAN ULASAN PLAYSTORE

• MUHAMMAD WAHYUDIN
• 2025

---

Aplikasi mobile telah menjadi bagian penting dalam kehidupan masyarakat modern

dan memainkan peran vital dalam penyebaran informasi serta penyediaan layanan

hiburan, termasuk dalam industri perfilman. Aplikasi seperti CGV Cinemas Indonesia

memberikan kemudahan kepada pengguna dalam mengakses informasi film,

melakukan pemesanan tiket, serta membeli layanan streaming dan voucher secara

online. Namun, seperti aplikasi lainnya, layanan ini tidak lepas dari beragam

tanggapan pengguna, baik positif maupun negatif, yang dapat dianalisis melalui

pendekatan analisis sentimen. Penelitian ini bertujuan untuk membandingkan

performa dua algoritma machine learning Support Vector Machine (SVM) dan Random

Forest dalam mengklasifikasikan ulasan pengguna aplikasi CGV yang diambil dari

Google PlayStore. Proses penelitian meliputi pengumpulan data menggunakan teknik

web scraping sebanyak 6000 ulasan, tahap pra-pemrosesan teks, ekstraksi fitur

menggunakan metode TF-IDF. Evaluasi model dilakukan menggunakan confusion

matrix dan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan

bahwa algoritma SVM memiliki performa yang lebih unggul dibandingkan Random

Forest, dengan nilai akurasi sebesar 89.0 % dan F1-Score sebesar 87.55%, sedangkan

Random Forest hanya mencapai akurasi 88.17% dan F1-Score 86.42%. Temuan ini

menegaskan bahwa SVM merupakan pendekatan yang efektif dalam memahami

persepsi pengguna terhadap aplikasi CGV, serta dapat menjadi landasan bagi

pengembang dalam meningkatkan kualitas layanan dan pengalaman pengguna secara

menyeluruh.

• Analisis Sentimen
• CGV Cinemas
• Support Vector Machine
• Random Forest
• TF-IDF
• Machine Learning

https://repository.bsi.ac.id/repo/67509/KOMPARASI-ALGORITMA-SVM-DAN-RANDOM-FOREST--DALAM-ANALISIS-SENTIMEN-APLIKASI-CGV-MENGGUNAKAN-ULASAN-PLAYSTORE
File full-text dikunci.