Analisis Sentimen Ulasan Pengguna GlobalXtreme di Google Review Menggunakan Metode SVM (Support Vector Machine)

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna terhadap layanan internet GlobalXtreme yang diambil dari Google Review, menggunakan metode pembelajaran mesin. Data dikumpulkan dari periode Januari 2024 sampai Oktober 2024 melalui scraping dengan SerpAPI, menghasilkan 214 ulasan relevan. Proses analisis dimulai dengan preprocessing teks, termasuk pembersihan, normalisasi, tokenisasi, penghapusan stopwords, dan stemming untuk memastikan kualitas data yang optimal. Setelah itu, fitur teks diubah menjadi representasi numerik menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF), yang memungkinkan pengolahan data lebih efektif oleh model klasifikasi Support Vector Machine (SVM). Hasil analisis sentimen menunjukkan bahwa mayoritas ulasan (174 ulasan) memiliki sentimen positif, sementara 36 ulasan bersifat negatif dan 4 ulasan bersifat netral. Dengan tingkat akurasi sebesar 93%, model SVM mampu mengklasifikasikan sentimen dengan baik, terutama pada kategori positif, meskipun performa pada sentimen negatif dan netral masih memerlukan peningkatan. Analisis ini mengungkapkan bahwa mayoritas pelanggan merasa puas dengan layanan GlobalXtreme, tetapi terdapat beberapa kritik terkait kecepatan internet dan kualitas pelayanan pelanggan. Temuan ini memberikan wawasan strategis yang dapat digunakan oleh GlobalXtreme untuk meningkatkan kualitas layanan dan memperbaiki aspek yang masih menjadi keluhan pelanggan.