Analisis Sentimen Review Aplikasi KAI Access Dari Google Play Store Menggunakan Perbandingan Metode Naive Bayes Classifier Dan Support Vector Machine

Latar Belakang: Kereta Api Indonesia (KAI Access) merupakan salah satu perusahaan transportasi yang mulai memanfaatkan solusi e-ticket, dapat digunakan pada smartphone. Kemudahan bagi para pengguna serta biaya pengoperasian yang rendah dan kompleksitas, yang mengutamakan kecepatan, pragmatismee, kenyamanan, keamanan. Dengan kemajuan teknologi seperti pemesanan, penjadwalan, dan pembatalan, pelanggan tidak perlu lagi melakukan transaksi di stasiun, membuat trasportasi kereta api menjadi lebih sederhana dan cepat. Namun masih banyak pengguna yang mengeluhkan dan memberikan nilai rendah serta komentar tidak bagus pada aplikasi KAI Access. Dari pengambilan data yang telah dilakukan, masih banyak masalah usability yang ditemukan.
Tujuan: Membangun model analisis sentimen tentang KAI Access untuk mengambil informasi yang relevan berdasarkan review dari pengguna KAI Access di Google Play Store dapat digunakan sebagai saran pendukung dalam mengevaluasi produk layanan menjadi lebih baik serta menjadi sarana untuk para
pengguna KAI Access.
Metode Penelitian: Penelitian ini merupakan penelitian analisis sentimen berdasarkan opini pengguna KAI Access di media Google Play Store, yang diberikan label positif, netral dan negatif. Penelitian ini menggunakan 2 (dua) metode untuk membandingkan hasil akurasinya yaitu Naïve Bayes Classifier (NBC) dan Support Vector Machine (SVM). Jalannya penelitian ini diawali dengan pengambilan data, preprocessing, pelabelan manual, data training, data testing dan klasifikasi.
Hasil: Penelitian ini menggunakan metode NBC dan SVM untuk mengklasifikasi sentimen mengenai review yang diambil sebanyak 5.000 data dan melalui proses scrapping mendapatkan hasil akhir sebesar 4.290 data review pada periode 23 Januari 2023 hingga 25 Juni 2023. Hasil dari penelitian ini menunjukkan bahwa nilai akurasi pada testing NBC sebesar 84% dan nilai akurasi testing SVM sebesar 89%.
Kesimpulan: Analisis Sentimen yang berkaitan dengan review pengguna aplikasi KAI Access pada penelitian ini dibangun dengan menggunakan framework Flask dengan Bahasa Pemograman Python dan menunjukkan nilai akurasi tertinggi data testing pada metode SVM sebesar 89%.