Analisis Sentimen Data Ulasan Menggunakan Algoritma Support Vector Machine (Studi Kasus: Aplikasi Iflix)

Abstract

Pandemi Coronavirus Disease 2019 (Covid-19) dinyatakan telah menyebar ke seluruh penjuru dunia pada akhir tahun 2019 lalu. Hal tersebut memberikan dampak yang cukup signifikan kepada seluruh negara di dunia tidak terkecuali Indonesia. Pandemi Covid19 menyebab kemunduran pada industri perfilman Indonesia. Pandemi ini mengakibatkan berbagai proses recording film yang harus ditunda, phk dari puluhan ribu pekerja industri film hingga penutupan bioskop – bioskop di Indonesia. Para pelaku industri film berusaha melakukan adaptasi dengan memanfaatkan perkembangan kemajuan teknologi digital dalam memproduksi dan mendistribusikan film mereka melalui media streaming online. Iflix merupakan suatu teknologi streaming online yang dapat dimanfaatkan oleh para pelaku industri perfilman. Aplikasi Iflix memiliki rating sebesar 4.1 dari 611.711 ulasan. Pada penelitian ini data ulasan yang digunakan hanya data ulasan sebesar 4.501 ulasan yang telah ter update pada rentang waktu dari 1 Januari 2021 hingga 17 Maret 2021. Ulasan dari pengguna aplikasi dapat bersifat positif dan negatif data akan melalui proses klasifikasi dengan menggunakan metode support vector machine. Hasil proses klasifikasi dengan menggunakan metode SVM dengan akurasi tertinggi adalah skenario yaitu data latih 70 % dan data uji 30 % sebesar 93,45 %. Selanjutnya pada proses visualisasi memiliki hasil pada sentimen positif yaitu film, bagus, aplikasi, gambar, menghibur dan nonton. Sedangkan visualisasi pada kelas sentimen negatif yaitu film, vip, aplikasi, iflix, jelek, lama, nonton, dan pulsa. Hasil ulasan negatif di analisis dengan menggunakan diagram fishbone yang terbagi menjadi beberapa faktor yaitu price, product, people, process dan promotion.