Perbandingan Algoritma Support Vector Machine dan Naive Bayes Dalam Analisis Sentimen Aplikasi Litmatch Di Google Playstore

Aplikasi Litmatch merupakan media sosial populer dengan jutaan pengguna dan ulasan di Google Playstore, yang berisi beragam opini positif, negatif, maupun netral. Variasi sentimen ini berpotensi memengaruhi reputasi aplikasi, sehingga diperlukan analisis sentimen yang sistematis. Penelitian ini bertujuan membandingkan efektivitas algoritma Support Vector Machine (SVM) dan Naïve Bayes alam mengklasifikasikan sentimen ulasan pengguna.. Data ulasan diperoleh melalui teknik web scraping menggunakan Python, kemudian diproses melalui tahapan preprocessing seperti cleansing, case folding, normalisasi, tokenisasi, stopword removal, dan stemming. Pelabelan sentimen dilakukan dengan VADER Sentiment Analyzer dan pembobotan kata menggunakan metode TF-IDF. Pembagian data dilakukan dengan K-Fold Cross Validation (k=10) untuk memastikan evaluasi model yang optimal. Kinerja model diukur menggunakan akurasi, presisi, recall, dan F1-Score. Hasil penelitian menampilkan distribusi sentimen pengguna serta perbandingan performa kedua algoritma, yang dapat menjadi referensi dalam menentukan metode klasifikasi terbaik