ANALISIS SENTIMEN TERHADAP KELUHAN FITUR APLIKASI DRIVER SHOPEE OLEH MITRA DRIVER SHOOPEFOOD MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM)

• YUDHA NUGRAHA
• 2025

---

Penelitian ini bertujuan untuk mengevaluasi dan menganalisis sentimen mitra pengemudi ShopeeFood terhadap fitur-fitur yang tersedia dalam aplikasi Shopee Driver. Data primer diperoleh melalui penyebaran kuesioner berbasis skala Likert (1–5) kepada 100 responden mitra driver. Data kemudian diolah melalui tahap preprocessing, pembobotan menggunakan Term Frequency–Inverse Document Frequency (TF-IDF), dan diklasifikasikan dengan algoritma Support Vector Machine (SVM).Hasil penelitian menunjukkan bahwa secara umum penilaian mitra driver terhadap aplikasi berada pada kategori cukup, dengan skor tertinggi pada aspek stabilitas aplikasi dan notifikasi order, serta skor terendah pada sistem insentif, akurasi navigasi lokasi pelanggan, dan tampilan aplikasi. Distribusi sentimen hasil klasifikasi menunjukkan 28% tanggapan positif, 35% netral, dan 37% negatif, yang menandakan masih banyak keluhan yang dirasakan mitra driver. Evaluasi model SVM menghasilkan tingkat akurasi sebesar 90%, dengan precision dan recall yang tinggi pada kelas positif dan negatif, namun performa pada kelas netral masih rendah akibat distribusi data yang tidak seimbang.Penelitian ini membuktikan bahwa algoritma SVM dapat digunakan untuk menganalisis sentimen berbasis data survei skala Likert, serta memberikan masukan penting bagi pengembang aplikasi ShopeeFood Driver dalam meningkatkan kualitas fitur, khususnya pada aspek sistem insentif, navigasi, dan tampilan aplikasi.

• Analisis Sentimen
• Support Vector Machine (SVM)
• ShopeeFood
• Mitra Driver
• TF-IDF
• Skala Likert.

https://repository.bsi.ac.id/repo/73074/ANALISIS-SENTIMEN-TERHADAP-KELUHAN-FITUR-APLIKASI-DRIVER-SHOPEE-OLEH-MITRA-DRIVER-SHOOPEFOOD-MENGGUNAKAN-SUPPORT-VECTOR-MACHINE-(SVM)
Anda dapat membaca file tugas akhir ini di repository.