Perbandingan Algoritma K-NN dan SVM dalam Analisis Sentimen Ulasan Pengguna Aplikasi JMO

Abstrak

Perkembangan teknologi digital mendorong berbagai sektor untuk mengadopsi layanan berbasis aplikasi guna meningkatkan efisiensi dan kemudahan akses. Salah satu inovasi tersebut adalah aplikasi JMO (Jamsostek Mobile) yang dikembangkan oleh BPJS Ketenagakerjaan untuk mempermudah peserta dalam mengakses layanan jaminan sosial tenaga kerja. Namun, banyaknya keluhan pengguna di Google PlayStore menunjukkan bahwa kualitas layanan aplikasi ini masih perlu ditingkatkan. Oleh karena itu, penelitian ini bertujuan untuk melakukan analisis dan perbandingan performa algoritma Support Vector Machine (SVM) dan K-Nearest Neighbor (K-NN) dalam klasifikasi sentimen ulasan pengguna aplikasi JMO. Data ulasan dikumpulkan dari Google PlayStore dan melalui proses preprocessing mencakup pembersihan teks, tokenization, penghapusan stopword, serta stemming. Representasi fitur dilakukan menggunakan metode TF-IDF. Hasil pengujian model menunjukkan bahwa algoritma SVM memiliki kinerja klasifikasi yang lebih baik dibandingkan K-NN. Model SVM mencapai akurasi sebesar 90,00%, sedangkan K-NN hanya memperoleh akurasi sebesar 78,25%. Selain itu, SVM juga menunjukkan nilai precision, recall, dan f1-score yang lebih tinggi terutama pada sentimen positif dan negatif. Dengan demikian, metode SVM dinilai lebih optimal dalam mengklasifikasikan sentimen pengguna terhadap aplikasi JMO.