| Abstrak/Abstract |
Keberadaan aplikasi KAI Access milik PT. KAI merupakan salah satu bentuk usaha mereka dalam melayani konsumen di era modern ini. Namun, banyak ditemukan ulasan negatif di kolom ulasan Google Play Store. Sudah ada penelitian pada ulasan tersebut, namun tahap klasifikasi masih pada tingkat dokumen sehingga aspek pada aplikasi belum diketahui secara gamblang dan terstruktur. Maka, diperlukan analisis sentimen berbasis aspek untuk mengekstrak aspek-aspek yang diulas dan mengetahui sentimennya. Pada penelitian ini dilakukan analisis sentimen berbasis aspek pada ulasan pengguna KAI Access dengan metode Naive Bayes Classifier (NBC) dan Support Vector Machine (SVM), dengan 3 skenario. Skenario 1 menggunakan NBC dengan Multinomial Naive Bayes, skenario 2 menggunakan
SVM dengan parameter default library Sklearn, dan skenario 3, dengan SVM dan hyperparameter tunning, dan data diambil dari Google Play Store. Hasil penelitian
menunjukkan mayoritas sentimen pengguna bernilai negatif di setiap aspek, dengan aspek errors yang terbanyak dibahas menunjukkan tingginya kesalahan sistem. Hasil pengujian memberikan model terbaik dari skenario 3 dengan rata-rata skor akurasi 91,63%, f1-score 75,55%, presisi 77,60%, dan recall 74,47%. |
