Analisis Sentimen Aplikasi E-Learning Quipper Selama Pandemi Covid-19 Dengan Menggunakan Metode Support Vector Machine (SVM)

Abstract

E-Learning atau Pembelajaran Online adalah pembelajaran formal dan informal yang dilakukan dengan menggunakan teknologi, sehingga siswa dan guru bisa melakukan proses belajar mengajar melalui media elektronik. Pembelajaran online memiliki kendala tersendiri dan berbeda-beda dari setiap pengguna. Ada yang merasa kesulitan untuk memahami materi atau penjelasan yang diberikan oleh dosen atau gurunya di saat pendidikan menjadi online, ada juga yang merasa mudah dalam memahami materi atau penjelasan saat melakukan pendidikan online. Pada penelitian ini metode SVM dipilih untuk mengklasifikasikan sentimen, karena metode SVM terbukti cukup efektif dalam melakukan klasifikasi sentimen. Alur awal yang dilakukan pada analisis sentimen di penelitian ini yaitu pengumpulan data ulasan dengan cara scrapping pada play store aplikasi Quipper. Selanjutnya adalah tahap preprocessing di mana proses ini memiliki lima tahapan yaitu case folding, text cleaning, tokenization, stemming, dan filtering (stopword removal). Setelah mendapatkan hasil preprocessing, akan dilakukan pelabelan dan transformation data. Hasil transformation data, yaitu data train akan digunakan dalam pembentukan model algoritma SVM. Selanjutnya data test dimasukkan ke dalam model algoritma SVM yang sudah dibuat. Proses terakhir adalah melakukan perhitungan akurasi metode SVM. Sentimen masyarakat atau pengguna terhadap aplikasi Quipper menghasilkan 410 ulasan negatif 590 dan ulasan positif. Hasil evaluasi kinerja algoritma Support Vector Machine kernel linier dalam klasifikasi atau analisis sentimen ulasan aplikasi e-learning Quipper menggunakan tiga skenario split data, diperoleh hasil terbaik di skenario ketiga dengan rasio perbandingan data training 60% dan data testing 40% dan menghasilkan accuracy sebesar 90,25%, precision 86,85%, recall 94,39%, dan f1-score 90,46%.