Analisis Sentimen Ulasan Aplikasi Zalora Menggunakan Metode Support Vector Machine (SVM)

• MUHAMMAD HAFIDZ ABDURRASYID
• 2023

---

“Indonesia menjadi sekian dari beberapa negara diasia dengan pertumbuhan ecommerce yang signifikan, salah satu e-commerce yang dikenal dimasyarakat Indonesia adalah Zalora. Pada tahun 2023, Zalora mengalami penurunan download dan ranking aplikasi pada platform instalasi google playstore. Oleh karena itu, penting untuk memahami bagaimana pengguna merespons dan memandang aplikasi Zalora apakah positif atau negatif. Hal ini dapat dijadikan sebuah bahan penelitian untuk menganalisis sentimen ulasan terhadap aplikasi Zalora agar developer aplikasi dapat mengevaluasi kekurangan dan kelebihan sistemnya, sehingga dapat terus mengembangkan sistem sesuai dengan kebutuhan pengguna. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan aplikasi Zalora yang terdapat di Google Play menggunakan metode Support Vector Machine (SVM) dan mengetahui seberapa akurat performa algoritma tersebut untuk analisis sentimen. metode penelitian ini mencakup pengumpulan 300 data dengan teknik scraping dalam rentang waktu 19-22juni, dilakukannya tahap preprocessing serta menerapkan tf-idf, klasifikasi algoritma Support Vector Machine menggunakan model 10k-fold cross validataion dan evaluasi hasil akurasi pada tabel confusion matrix. Hasil penelitian ini mendapatkan bahwa algoritma SVM cukup baik sebagai metode klasifikasi sentimen dengan memperoleh nilai akurasi sebesar 71.20%.”

• Aplikasi Komputer
• Analisis

Arifianto, T., & Moonlight, L. S. (2022). PENGGUNAAN METODE SUPPORT VECTOR MACHINE ( SVM ) PADA. 2(2), 3–6.

Biki, A. (2022). Analisis Pengaruh E-Service Quality Dan E-Trust Terhadap ECustomer Loyalty Dengan E-Satisfaction Sebagai Variabel Intervening. Skripsi, 
1–23.

Caroline, S., & Tjiptodjojo, K. I. (2021). Pengaruh Kualitas Produk, Harga Dan Kepercayaan Terhadap Keputusan Pembelian Pada E-Commerce Zalora. 
Universitas Kristen Maranatha Jl. Surya Sumantri No, 65(022), 2012186.

Farida, A. I., & Prabowo, B. (2023). Customer Satisfaction As Intervening VariableFor Users Of The Zalora E-Commerce Application In Surabaya Pengaruh 
Kualitas Pelayanan , Kepercayaan Merek Dan Harga Terhadap Loyalitas Konsumen Melalui Kepuasan Konsumen Sebagai Variabel Intervening Pada 
Pengguna Aplikasi E-Commerce Zalora Di Surabaya. 4(2), 1449–1458.

Franseda, A., & Anggraeni, S. (2020). Integrasi Metode Decision Tree dan SMOTE untuk Klasifikasi Data Kecelakaan Lalu Lintas Integration of Decision Tree and 
SMOTE Methods for Classification of Traffic Accidents Data. 08(3). https://doi.org/10.26418/justin.v8i3.40982

Herlinawati, N., Yuliani, Y., Faizah, S., Gata, W., & Samudi, S. (2020). Analisis Sentimen Zoom Cloud Meetings di Play Store Menggunakan Naïve Bayes dan Support Vector Machine. CESS (Journal of Computer Engineering, System and 
Science), 5(2), 293. https://doi.org/10.24114/cess.v5i2.18186

Husada, H. C., & Paramita, A. S. (2021). Analisis Sentimen Pada Maskapai 

Penerbangan di Platform Twitter Menggunakan Algoritma Support Vector Machine (SVM). Teknika, 10(1), 18–26. https://doi.org/10.34148/teknika.v10i1.311

Idris, I. S. K., Mustofa, Y. A., & Salihi, I. A. (2023). Analisis Sentimen Terhadap Penggunaan Aplikasi Shopee Mengunakan Algoritma Support Vector Machine 
(SVM). Jambura Journal of Electrical and Electronics Engineering, 5(1), 32–35. https://doi.org/10.37905/jjeee.v5i1.16830

Ilmawan, L. B., & Mude, M. A. (2020). Perbandingan Metode Klasifikasi Support Vector Machine dan Naïve Bayes untuk Analisis Sentimen pada Ulasan 
Tekstual di Google Play Store. ILKOM Jurnal Ilmiah, 12(2), 154–161. https://doi.org/10.33096/ilkom.v12i2.597.154-161

Irsyad, H., Taqwiym, A., Informatika, T., Data, U. M., Informasi, S., & Data, U. M. (n.d.). Sentimen Analisis Masyarakat Terhadap Rakyat Palestina dengan 
Klasifikasi Naive Bayes. 1(2), 167–176.

Kamallia, A. (2022). ANALISIS SENTIMEN PADA ULASAN APLIKASI BIBIT DI PLAY STORE DENGAN METODE NAÏVE BAYES, SUPPORT VECTOR 
MACHINE, C4.5 DAN K-NEAREST NEIGHBOR. 13(1), 1–23.

Kristiyanti, D. A. (2023). Mining Twitter data on Covid-19 for sentiment analysis using SVM algorithm. May. https://doi.org/10.1063/5.0128833

Manik, G., Ernawati, I., & Nurlaili, I. (2021). ANALISIS SENTIMEN PADA REVIEW PENGGUNA E-COMMERCE BIDANG PANGAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (Studi Kasus: 
Review Sayurbox dan Tanihub pada Google Play). Prosiding Seminar Nasional Mahasiswa Bidang Ilmu Komputer Dan Aplikasinya, 2(2), 64–74. 
https://conference.upnvj.ac.id/index.php/senamika/article/view/1630

Melani, D. O., & Rahmiati. (2021). The influence of e-service quality, e-trust and esatisfaction toward e-loyalty on Shopee online shopping application users. MMS 
Marketing Management Studies, 1(3), 253–266. https://doi.org/10.24036/jkmp.v1i1

Nadhif, M. R., Brata, D. W., & Rahayudi, B. (2022). Analisis Sentimen Data Ulasan Pengguna Aplikasi TIX ID di Indonesia pada Google Play Store menggunakan 
Support Vector Machine. 6(8), 3932–3937.

Nardilasari, A. P., Hananto, A. L., Hilabi, S. S., & Priyatna, B. (2023). Analisis Sentimen Calon Presiden 2024 Menggunakan Algoritma SVM. 7(1), 11–18.

Pii, I., Suarna, N., & Rahaningsih, N. (2023). PENERAPAN DATA MINING PADA PENJUALAN PRODUK PAKAIAN DAMEYRA FASHION MENGGUNAKAN 
METODE K-MEANS CLUSTERING. 7(1).

Pratama, R. R. (2020). Analisis Model Machine Learning Terhadap Pengenalan Aktifitas Manusia. 19(2), 302–311.

Ratino, Hafidz, N., Anggraeni, S., & Gata, W. (2020). Sentimen Analisis Informasi Covid-19 menggunakan Support Vector Machine dan Naïve Bayes. Jurnal 
Penelitian Ilmu Dan Teknologi Komputer, 12(2), 1–11. https://jurnal.polsri.ac.id/index.php/jupiter/article/view/2388

Ridwansyah, T. (2022). Implementasi Text Mining Terhadap Analisis Sentimen Masyarakat Dunia Di Twitter Terhadap Kota Medan Menggunakan K-Fold 
Cross Validation Dan Naïve Bayes Classifier. KLIK: Kajian Ilmiah Informatika Dan Komputer, 2(5), 178–185. https://doi.org/10.30865/klik.v2i5.362

Sodik, F., & Kharisudin, I. (2021). Analisis Sentimen dengan SVM , NAIVE BAYES dan KNN untuk Studi Tanggapan Masyarakat Indonesia Terhadap Pandemi 
Covid-19 pada Media Sosial Twitter. 4, 628–634.

Sudarsono, B. G., Leo, M. I., Santoso, A., & Hendrawan, F. (2021). Analisis Data Mining Data Netflix Menggunakan Aplikasi Rapid Miner. JBASE - Journal of 
Business and Audit Information Systems, 4(1), 13–21. https://doi.org/10.30813/jbase.v4i1.2729

Tanggraeni, A. I., & Sitokdana, M. N. N. (2022). Analisis Sentimen Aplikasi EGovernment pada Google Play Menggunakan Algoritma Naïve Bayes. JATISI 
(Jurnal Teknik Informatika Dan Sistem Informasi), 9(2), 785–795. https://doi.org/10.35957/jatisi.v9i2.1835

Tinaliah, T., & Elizabeth, T. (2022). Analisis Sentimen Ulasan Aplikasi PrimaKu Menggunakan Metode Support Vector Machine. JATISI (Jurnal Teknik 
Informatika Dan Sistem Informasi), 9(4), 3436–3442. https://doi.org/10.35957/jatisi.v9i4.3586

Tri Anjasmoros, M., & Fitri Marisa, dan. (2020). Seminar Nasional Hasil Riset Prefix-RTR ANALISIS SENTIMEN APLIKASI GO-JEK MENGGUNAKAN 
METODE SVM DAN NBC (STUDI KASUS: KOMENTAR PADA PLAY STORE).

Utami, D. S., & Erfina, A. (2021). ANALISIS SENTIMEN PINJAMAN ONLINE DI TWITTER MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE ( 
SVM ). 299–305