Teknika (Mar 2024)
Penggunaan Latent Dirichlet Allocation (LDA) dan Support-Vector Machine (SVM) Untuk Menganalisis Sentimen Berdasarkan Aspek Dalam Ulasan Aplikasi EdLink
Abstract
EdLink merupakan salah satu platform mobile berbasis Android yang telah dirancang khusus untuk mendukung pengalaman belajar di dunia pendidikan. Platform ini menawarkan berbagai fitur konten pembelajaran interaktif, tugas online, dan diskusi. EdLink telah menjadi salah satu aplikasi yang banyak diminati dan digunakan di berbagai instansi pendidikan, termasuk perguruan tinggi. Aplikasi EdLink saat ini memiliki rating 3,7 di Google Play Store. Banyak pengguna mengeluhkan berbagai aspek, seperti fitur yang kurang lengkap, pelayanan, dan kinerja. Dalam penelitian ini, digunakan analisis sentimen berbasis aspek untuk mengevaluasi aplikasi. Data ulasan yang digunakan adalah seluruh ulasan aplikasi EdLink di Google Play Store dari versi 1.1.6 hingga 4.7.8, dengan jumlah 2014 ulasan. Penelitian ini dilakukan dengan pemodelan topik Latent Dirichlet Allocation (LDA) dengan tujuan untuk menentukan aspek serta analisis sentimen menggunakan Support Vector Machine (SVM) dengan pendekatan Lexicon Based. Penelitian ini menghasilkan tiga aspek utama, yaitu Application Usability, Reliability, dan Performance Efficiency. Berdasarkan model LDA menghasilkan skor koherensi tertinggi 0,487 dan berdasarkan distribusi jumlah topik dan skor koherensi tertinggi dari num topic 1-10 adalah 3. Kemudian, labeling Lexicon Based menghasilkan 418 jumlah ulasan positif dan 1.223 ulasan negatif. Selanjutnya, klasifikasi SVM dengan rasio pembagian data 90:10 menghasilkan akurasi tertinggi 85,45% kemudian dilakukan resampling dengan hasil akurasi tertinggi 90,00% menggunakan SMOTE. Berdasarkan aspek dan sentimen dihasilkan 319 ulasan negatif dan 127 ulasan positif untuk aspek Usability, 482 ulasan negatif, dan 120 ulasan positif untuk aspek Reliability, serta 422 ulasan negatif dan 171 ulasan positif untuk aspek Performance Efficiency.
Keywords
