ASPECT-BASED SENTIMENT ANALYSIS ULASAN APLIKASI NO THANKS DI GOOGLE PLAY STORE MENGGUNAKAN SUPPORT VECTOR MACHINE
DOI:
https://doi.org/10.30606/rjocs.v12i2.4964Keywords:
Aspect-Based Sentiment Analysis, Sentiment Analysis, Google Play Store, Mobile Application Reviews, Support Vector Machine, No Thanks.Abstract
Aplikasi No Thanks digunakan sebagai alat bantu konsumen dalam mengidentifikasi produk yang terafiliasi dengan Israel. Peningkatan jumlah pengguna menghasilkan ribuan ulasan pada Google Play Store yang memuat berbagai opini mengenai fungsi, kemudahan penggunaan, dan keamanan aplikasi. Penelitian ini bertujuan menganalisis sentimen pengguna berdasarkan aspek pada ulasan aplikasi No Thanks menggunakan metode Aspect-Based Sentiment Analysis (ABSA) dan algoritma Support Vector Machine (SVM). Sebanyak 3.980 ulasan berbahasa Indonesia yang dikumpulkan dari Google Play Store periode 2023–2025 digunakan sebagai data penelitian. Tahapan penelitian meliputi text preprocessing, pelabelan sentimen menggunakan pendekatan lexicon-based, pemodelan topik menggunakan Latent Dirichlet Allocation (LDA), pembobotan TF-IDF, serta klasifikasi menggunakan SVM. Penanganan ketidakseimbangan kelas dilakukan melalui teknik resampling, termasuk SMOTE. Hasil penelitian menunjukkan bahwa model SVM dengan SMOTE menghasilkan accuracy sebesar 87,16%, precision sebesar 97%, recall sebesar 88%, F1-score sebesar 92%, dan AUC sebesar 0,876. Analisis berbasis aspek menunjukkan bahwa sentimen positif mendominasi ulasan pengguna, sedangkan sentimen negatif terutama berkaitan dengan akurasi database produk dan kinerja fitur pemindai barcode. Kontribusi penelitian ini terletak pada penerapan ABSA untuk menghubungkan polaritas sentimen dengan aspek kualitas aplikasi berdasarkan hasil pemodelan topik, sehingga menghasilkan informasi yang lebih spesifik mengenai aspek aplikasi yang memperoleh respons positif maupun negatif dari pengguna. Hasil penelitian dapat menjadi dasar evaluasi bagi pengembang dalam meningkatkan akurasi database produk serta keandalan fitur pemindai barcode.
Downloads
References
E. K. Siregar and M. I. Padli, “Peran internet dalam pendidikan di era digital,” vol. 3, no. 1, 2025.
N. Nashrullah, “Boikot Produk Israel Bentuk Jihad, Sejak Kapan Muncul di Dunia dan Bagaimana Efeknya?,” Republika.co.id. 2023.
F. Atmaja, Agussalim, and E. D. Wahyuni, “PENGADUAN MASYARAKAT DI KOTA SURABAYA MENGGUNAKAN METODE LATENT DIRICHLET ALLOCATION DAN NAÏVE BAYES,” vol. 9, no. 1, pp. 527–534, 2025.
W. Zhang, X. Li, L. Bing, and W. Lam, “A Survey on Aspect-Based Sentiment Analysis: Tasks, Methods, and Challenges,” IEEE Trans. Knowl. Data Eng., vol. 35, no. 11, pp. 11019–11038, 2023.
P. A. Aritonang, M. E. Johan, and I. Prasetiawan, “Aspect-Based Sentiment Analysis on Application Review using CNN,” Ultim. Infosys J. Ilmu Sist. Informasi, vol. 13, no. 1, 2022.
A. Maroof, S. Wasi, S. I. Jami, and M. S. Siddiqui, “Aspect-Based Sentiment Analysis for Service Industry,” IEEE Access, vol. 12, no. July, pp. 109702–109713, 2024, doi: 10.1109/ACCESS.2024.3440357.
T. Joachims, “Text Categorization with Support Vector Machines : Learning with Many Relevant Features,” Springer B. Arch., pp. 2–7, 2005.
Y. Cathy, H. Paul, D. Jörg, and W. Katerina, A systematic review of aspect ‑ based sentiment analysis : domains , methods , and trends, vol. 57, no. 11. Springer Netherlands, 2024. doi: 10.1007/s10462-024-10906-z.
N. Aslam, K. Xia, F. Rustam, A. Hameed, and I. Ashraf, “applied sciences Using Aspect-Level Sentiments for Calling App Recommendation with Hybrid Deep-Learning Models,” 2023.
D. Puspitasari, E. D. Wahyuni, and R. Permatasari, “A Multilingual Approach to Aspect-Based Sentiment Analysis on Gobis Suroboyo Application Reviews using LDA and SVM,” Aviat. Electron. Inf. Technol. Telecommun. Electr. Control., vol. 7, no. 2, pp. 209–222, 2025.
O. M. Nurfauzi, S. S. Hilabi, F. Nurapriani, and B. Huda, “Analisis Sentimen Grab Indonesia pada Ulasan Google Play Store Menggunakan Algoritma Naïve Bayes dan Support Vector Machine,” SMARTICS J., vol. 11, no. 1, pp. 8–13, 2025.
P. A. Prastyo and I. Tahyudin, “Analisis Sentimen dan Pemodelan Topik pada Ulasan Pengguna Aplikasi myIM3 Menggunakan Support Vector Machine dan Latent Dirichlet Allocation,” Build. Informatics, Technol. Sci., vol. 6, no. 3, pp. 1618–1626, 2024, doi: 10.47065/bits.v6i3.6268.
N. N. Arisa and K. Himawan, “Analisis Sentimen dan Pemodelan Topik Terhadap Ulasan Aplikasi Mobile JKN Menggunakan SVM dan LDA,” J. Inf. Syst. Res., vol. 7, no. 1, pp. 211–221, 2025, doi: 10.47065/josh.v7i1.8029.
D. A. Agustina, S. Subanti, E. Zukhronah, P. S. Statistika, and U. S. Maret, “Implementasi Text Mining Pada Analisis Sentimen Pengguna Twitter Terhadap Marketplace di Indonesia Menggunakan Algoritma Support Vector Machine,” vol. 3, no. 2, pp. 109–122, 2020.
T. Pawar, P. Kalra, D. Mehrotra, and U. Pradesh, “Analysis of Sentiments for Sports data using RapidMiner,” 2018 Second Int. Conf. Green Comput. Internet Things, pp. 625–628, 2018.
A. F. Rozi, A. Wibowo, and B. Warsito, “Resampling Technique for Imbalanced Class Handling on Educational Dataset,” vol. 11, no. 1, pp. 77–85, 2023.
Y. Kustyaningsih, Y. Permana, P. Studi, S. Informasi, U. Trunojoyo, and J. Timur, “Penggunaan Latent Dirichlet Allocation ( LDA ) dan Support- Vector Machine ( SVM ) Untuk Menganalisis Sentimen Berdasarkan Aspek Dalam Ulasan Aplikasi EdLink The Use of Latent Dirichlet Allocation ( LDA ) and Support-Vector Machine ( SVM ) to Analyze Sent,” TEKNIKA, vol. 13, no. 1, pp. 127–136, 2024, doi: 10.34148/teknika.v13i1.746.
M. Badri, E. Haerani, F. Syafria, O. Okfalisa, and L. Oktavia, “Penerapan Support Vector Machine Dengan Smote Untuk Klasifikasi Sentimen Pada Data Ulasan Aplikasi Trading View,” Bull. Comput. Sci. Res., vol. 6, no. 1, 2025, doi: 10.47065/bulletincsr.v6i1.793.
T. Fawcett, “An introduction to ROC analysis,” vol. 27, pp. 861–874, 2006, doi: 10.1016/j.patrec.2005.10.010.
“ISO 25010.” 2011.
L. Saitta, “Support-Vector Networks,” vol. 297, pp. 273–297, 1995.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Regita Cahya Saphira, Fenando Fenando, Reni Septiyanti
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
