STUDI KOMPARATIF ALGORITMA SUPERVISED LEARNING UNTUK KLASIFIKASI SENTIMEN PADA ULASAN APLIKASI ADAKAMI DENGAN DATA TIDAK SEIMBANG

• DONIUS TAMO AMA
• 2025

---

Penelitian ini berfokus pada klasifikasi sentimen ulasan pengguna aplikasi pinjaman
online AdaKami, dengan tantangan utama berupa ketidakseimbangan data, di mana
ulasan positif jauh lebih dominan dibandingkan ulasan negatif. Data diperoleh dari
Google Play Store (Januari–April 2025) dan diproses melalui pra-pemrosesan teks
(pembersihan, normalisasi, stopword removal) serta vektorisasi menggunakan TF
IDF. Empat teknik balancing data original, SMOTE, Random Undersampling, dan
SMOTEENN diujikan bersama empat algoritma supervised learning: Naïve Bayes,
Random Forest, Support Vector Machine, dan Multi-Layer Perceptron. Evaluasi
dilakukan dengan 10-Fold Cross-Validation pada data latih dan pengujian akhir pada
20 % data uji. Hasil menunjukkan bahwa Naïve Bayes dengan data original
memberikan performa terbaik, mencapai F1-Score Makro 88,75 % pada data latih dan
88,07 % pada data uji, serta memperlihatkan gap F1 yang rendah, menandakan
kemampuan generalisasi model yang baik.

Tautan dinonaktifkan.