ANALISIS SENTIMEN APLIKASI TIKTOK MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) DAN RANDOM FOREST

Abstrak

Pandemi Covid-19 mengakibatkan peningkatan penggunaan media sosial, termasuk TikTok, yang mendapatkan berbagai ulasan dari pengguna. Penelitian ini bertujuan untuk menganalisis sentimen ulasan TikTok menggunakan algoritma Support Vector Machine (SVM) dan Random Forest. Data diambil dari Google Play Store dan diproses dengan TF-IDF untuk pembobotan kata serta SMOTE untuk menangani ketidakseimbangan data. Hasil penelitian menunjukkan bahwa algoritma Random Forest mencapai akurasi 93% dan SVM 90%. Meskipun SVM menunjukkan kinerja yang baik pada data dengan margin kelas yang jelas, Random Forest lebih stabil dalam menangani variasi data dan lebih tahan terhadap overfitting. Oleh karena itu, Random Forest lebih cocok untuk analisis sentimen ulasan TikTok pada dataset yang besar dengan ketersediaan sumber daya komputasi yang memadai. Penelitian ini memberikan wawasan berharga bagi pengembang aplikasi dan pemangku kepentingan untuk meningkatkan kualitas aplikasi berdasarkan ulasan dari pengguna.