Evaluasi Efektivitas Support Vector Machine dan Random Forest dalam Klasifikasi Ulasan Pengguna Aplikasi Streaming Vidio

Fastabiqul Khusna; Khothibul Umam; Siti Nur'aini; Maya Rini Handayani

doi:10.30656/jsii.v12i2.10495

Authors

Fastabiqul Khusna UIN Walisongo Semarang
Khothibul Umam UIN Walisongo Semarang
Siti Nur'aini UIN Walisongo Semarang
Maya Rini Handayani UIN Walisongo Semarang

DOI:

https://doi.org/10.30656/jsii.v12i2.10495

Abstract

Perkembangan pesat platform streaming telah menghasilkan banyak ulasan pengguna yang dapat dimanfaatkan sebagai sumber masukan untuk pengembangan aplikasi. Penelitian ini dilakukan untuk mengevaluasi kinerja algoritma Support Vector Machine (SVM) dan Random Forest (RF) dalam mengklasifikasikan sentimen ulasan pengguna terhadap aplikasi Vidio. Sebanyak 1.000 ulasan berbahasa Indonesia dikumpulkan menggunakan teknik web scraping dan diberi label sentimen berdasarkan rating bintang, di mana rating 1–2 dikategorikan sebagai sentimen negatif dan 3–5 sebagai sentimen positif. Data ulasan diproses melalui beberapa tahap preprocessing, seperti pembersihan teks, tokenisasi, penghapusan stopword, dan stemming, sebelum dikonversi menjadi representasi numerik menggunakan metode TF-IDF. Dataset dibagi menjadi 80% data latih dan 20% data uji. Kedua model dilatih dan dievaluasi menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa performa yang lebih unggul diperoleh oleh algoritma SVM, dengan akurasi mencapai 76,11%, dibandingkan dengan RF yang memperoleh akurasi sebesar 71,67%. Selain itu, identifikasi ulasan dengan sentimen negatif juga dilakukan dengan lebih efektif oleh SVM. Temuan ini membuktikan bahwa klasifikasi sentimen ulasan aplikasi Vidio lebih tepat dilakukan menggunakan SVM, sehingga berpotensi mendukung otomatisasi analisis sentimen dan peningkatan kualitas layanan streaming. Hasil ini dapat diimplementasikan dalam sistem dashboard otomatis untuk mendeteksi keluhan pengguna secara real-time, memungkinkan pengembang Vidio meningkatkan pengalaman pengguna dengan respons yang lebih cepat dan tepat.

Kata Kunci: Text Classification, User Sentiment, Support Vector Machine, Random Forest, Vidio.

References

[1] A. B. Pranata and F. Abdillah, Allif Rizki Irwiensyah, “Analisis Sentimen Ulasan Pengguna Aplikasi Netflix Pada Google Play Menggunakan Algoritma Naïve Bayes,” KLIK Kaji. Ilm. Inform. dan Komput., vol. 4, no. 6, pp. 3091–3098, 2024.

[2] G. Kanugrahan, V. Hafizh, C. Putra, and Y. Ramdhani, “Analisis Sentimen Aplikasi Gojek Menggunakan SVM , Random Forest dan Decision Tree,” J. Infortech, vol. 6, no. 2, pp. 171–178, 2024.

[3] A. Ameliaa, L. N. Hayati, and H. Darwis, “Analisis Sentimen Masyarakat Terhadap Sistem Pembayaran Mypertamina dengan Metode Random Forest, SVM, dan Naïve Bayes,” LINIER Lit. Inform. dan Komput., vol. 1, no. 1, pp. 28–44, 2024.

[4] U. Kulsum, M. Jajuli, and N. Sulistiyowati, “Analisis Sentimen Aplikasi WETV di Google Play Store Menggunakan Algoritma Support Vector Machine,” J. Appl. Informatics Comput., vol. 6, no. 2, pp. 205–212, 2022.

[5] Anisa Ma’u Luthfi and Fatkhurokhman Fauzi, “Perbandingan Klasifikasi Random Forest, Support Vector Machines, dan LGBM Pada Klasifikasi Kualitas Udara di Jakarta,” JUSTINDO (Jurnal Sist. dan Teknol. Inf. Indones., vol. 9, no. 2, pp. 99–108, 2024, doi: 10.32528/justindo.v9i2.1912.

[6] M. F. Al-shufi and A. Erfina, “Sentimen Analisis Mengenai Aplikasi Streaming Film Menggunakan Algoritma Support Vector Machine Di Play Store,” Sismatik, pp. 156–162, 2021.

[7] S. Nur Adhan, G. N. A. Wibawa, D. C. Arisona, I. Yahya, and R. Ruslan, “Analisis Sentimen Ulasan Aplikasi Wattpad Di Google Play Store Dengan Metode Random Forest,” AnoaTIK J. Teknol. Inf. dan Komput., vol. 2, no. 1, pp. 6–15, 2024, doi: 10.33772/anoatik.v2i1.32.

[8] N. Fathirachman Mahing, A. Lazuardi Gunawan, A. Foresta Azhar Zen, F. Abdurrachman Bachtiar, and S. Agung Wicaksono, “Klasifikasi Tingkat Stress dari Data Berbentuk Teks dengan Menggunakan Algoritma Support Vector Machine (SVM) dan Random Forest,” J. Teknol. Inf. dan Ilmu Komput., vol. 10, no. 7, pp. 1527–1536, 2023, doi: 10.25126/jtiik.1078010.

[9] N. Sidauruk, N. Riza, and R. N. Siti Fatonah, “Penggunaan Metode Svm Dan Random Forest Untuk Analisis Sentimen Ulasan Pengguna Terhadap Kai Access Di Google Playstore,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 3, pp. 1901–1906, 2023, doi: 10.36040/jati.v7i3.6899.

[10] A. S. A. Rafsanjani, D. L. Fithri, and Supriyono, “Analisis Sentimen Ulasan Pengguna Aplikasi KitaLulus pada Google Play Store dengan menggunakan algoritma Support Vector Machine (SVM),” Sist. J. Sist. Inf., vol. 14, no. 5, pp. 2519–2530, 2025.

[11] M. Apriliyani, M. I. Musyaffaq, S. Nur’Aini, M. R. Handayani, and K. Umam, “Implementasi analisis sentimen pada ulasan aplikasi Duolingo di Google Playstore menggunakan algoritma Naïve Bayes,” AITI, vol. 21, no. 2, pp. 298–311, Sep. 2024, doi: 10.24246/aiti.v21i2.298-311.

[12] S. Rohimah, M. Afdal, and R. Novita, “Analisis Sentimen Traveloka Berdasarkan Ulasan Google Play Store Menggunakan Algoritma Support Vector Machine dan Random Forest,” vol. 6, no. 3, pp. 1709–1716, 2024, doi: 10.47065/bits.v6i3.6300.

[13] R. Ramadhan, Y. A. Sari, and P. P. Adikara, “Perbandingan Pembobotan Term Frequency-Inverse Document Frequency dan Term Frequency-Relevance Frequency terhadap Fitur N-Gram pada Analisis Sentimen,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 11, pp. 5075–5079, 2021, [Online]. Available: https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/10173

[14] C. Cortes and V. Vapnik, “Support-vector networks,” Mach. Learn., vol. 20, no. 3, pp. 273–297, Sep. 1995, doi: 10.1007/BF00994018.

[15] L. Breiman, “Random Forests,” Mach. Learn., vol. 45, no. 1, pp. 5–32, Oct. 2001, doi: 10.1023/A:1010933404324.

[16] R. B. Gumilar, Y. Cahyana, C. E. Sukmawati, and A. M. Siregar, “Analisa Perbandingan Algoritma Support Vector Machine dan K- Nearest Neighbors Terhadap Ulasan Aplikasi Vidio,” J. Inf. Syst. Res., vol. 5, no. 4, pp. 1188–1195, 2024, doi: 10.47065/josh.v5i4.5640.

[17] A. M. Ndapamuri, D. Manongga, and A. Iriani, “Analisis Sentimen Ulasan Aplikasi Tripadvisor Dengan Metode Support Vector Machine, K-Nearest Neighbor, Dan Naive Bayes,” INOVTEK Polbeng - Seri Inform., vol. 8, no. 1, p. 127, 2023, doi: 10.35314/isi.v8i1.3260.