Kombinasi Vader Lexicon dan Svm dalam Mengklasifikasi Sentiment Transportasi Online (Grab) pada Ulasan Play Store
Keywords:
Sentiment, VADER, Support Vector MachineAbstract
Perkembangan teknologi digital telah mendorong meningkatnya penggunaan layanan transportasi online di Indonesia, salah satunya adalah aplikasi Grab. Banyaknya ulasan pengguna di Google Play Store menjadi sumber data yang berharga untuk mengetahui tingkat kepuasan dan persepsi masyarakat terhadap layanan tersebut. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengguna Grab menggunakan kombinasi metode VADER Lexicon dan algoritma Support Vector Machine (SVM). VADER digunakan untuk memberikan skor awal sentimen secara leksikal, kemudian hasil tersebut digunakan sebagai data anotasi untuk melatih model SVM. Hasil penelitian menunjukkan bahwa kombinasi kedua metode ini efektif dalam mengelompokkan sentimen ulasan menjadi positif, negatif, dan netral secara lebih akurat. Pendekatan ini dapat membantu penyedia layanan memahami kebutuhan dan keluhan pengguna, serta meningkatkan kualitas layanan secara berkelanjutan.
References
Ahmad Rifa’i, Ardhani, R., Pratama, D., & Fatihanursari. (2024). Analisis sentimen terhadap layanan aplikasi Grab Indonesia menggunakan metode Naïve Bayes. SENTRI: Bangga Melayani di Provinsi Maluku Utara.
Alhaq, Z., Mustopa, A., Mulyatun, S., & Santoso, J. D. (2021). Penerapan metode Support Vector Machine untuk analisis sentimen pengguna Twitter. JOISM: Journal of Information System Management, 3(1).
Anam, M. K., Saifuddin, & Fitriah, S. N. (2020). Kontribusi pengemudi ojek online (Grab) dalam pelayanan masyarakat di Kabupaten Malang. Profit: Jurnal Administrasi dan Sosial Ekonomi, volume dan nomor perlu dilengkapi. Diakses dari https://ejournal.unuja.ac.id/index.php/profit
Bhustomy, H. (2021). Analisa sentimen data text preprocessing pada data mining dengan menggunakan machine learning. Journal of Business and Audit Information Systems, 4(2), 16–22. DOI perlu ditambahkan jika tersedia.
Chandradev, V., Suarjaya, I. M. A. D., & Bayupati, I. P. A. (2023). Analisis sentimen review hotel menggunakan metode deep learning BERT. Jurnal Buana Informatika, 14(2), 107–116. https://doi.org/10.24002/jbi.v14i02.7244
Faruqi, M. A. (2021). Pemrograman Python pada citra digital (pp. 12–26). Unikom.
Fathoni, M. F. N., Puspaningrum, E. Y., & Sihananto, A. N. (2024). Perbandingan performa labeling lexicon InSet dan VADER pada analisa sentimen Rohingya di aplikasi X dengan SVM. Jurnal Informatika dan Sains Teknologi, 1(3). https://doi.org/10.62951/modem.v1i3.112
Jihad, M. A. A., Adiwijaya, & Astuti, W. (2021). Analisis sentimen terhadap ulasan film menggunakan Word2Vec dan SVM. EProceeding of Engineering, 8(4), 4136–4144.
Manalu, D. A., & Gunadi, G. (2022). Implementasi metode data mining K-Means clustering terhadap data pembayaran transaksi menggunakan bahasa pemrograman Python pada CV Digital Dimensi. Infotech: Journal of Technology Information, 8(1), 43–54. https://doi.org/10.37365/jti.v8i1.131
Manggopa, R., Rantung, V. P., Kembuan, O., & Tim Informatika Universitas Negeri Manado. (2024). Aplikasi analisis sentimen terhadap kebijakan MBKM menggunakan algoritma Convolutional Neural Network (CNN) berbasis web. Jurnal X, volume dan nomor perlu dilengkapi, 45–53.
Marsudi, & Fitriani, S. (2022). Kepuasan kerja driver Grab Kota Yogyakarta terhadap kualitas pelayanan PT Grab Indonesia. Prosiding The 13th Industrial Research Workshop and National Seminar, Bandung.
Musfikar, R., Akbar, I., Dewi, S. V., & Aziz, A. S. (2023). E-module bahasa pemrograman Java berbasis Exe-Learning. Jurnal PROCESSOR, 18(1), 1–7. https://doi.org/10.33998/processor.2023.18.1.704
Mustasaruddin, M., Budianita, E., Fikry, M., & Yanto, F. (2023). Klasifikasi sentiment review aplikasi MyPertamina menggunakan word embedding FastText dan SVM (Support Vector Machine). Jurnal Sistem Komputer dan Informatika (JSON), 4(3), 526. https://doi.org/10.30865/json.v4i3.5695
Nurcahyawati, V., & Mustaffa, Z. (2023). VADER Lexicon dan algoritma Support Vector Machine untuk mendeteksi orientasi sentimen pelanggan. JISEBI, 9(1), April. Diakses dari http://e-journal.unair.ac.id/index.php/JISEBI
Nurdewi, N. (2022). Implementasi personal branding Smart ASN perwujudan. Judul jurnal atau prosiding lengkap perlu dilengkapi.
Pratama, N. K., & Anggraeny, F. T. (2023). Deteksi lampu lalu lintas dan zebra cross menggunakan MobileNetV2 Single Shot Detector. Jurnal Informatika Kaputama (JIK), 7(2).
Raihan, M. A., & Setiawan, E. B. (2022). Aspect based sentiment analysis with FastText feature expansion and Support Vector Machine method on Twitter. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 6(4), 591–598. https://doi.org/10.29207/resti.v6i4.4187
Silitonga, Y. R. (2019). Sistem pendeteksi berita hoax di media sosial dengan teknik data mining Scikit-Learn. Judul jurnal atau prosiding lengkap perlu dilengkapi.
Wahyudi, R., & Kusumawardhana, G. (2021). Analisis sentimen pada review aplikasi Grab di Google Play Store menggunakan Support Vector Machine. Jurnal Informatika, 8(2).
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Agustiawal Agustiawal, Fachrim Irhamma Rahman, Titin Wahyuni
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
