ANALISIS SENTIMEN PENGGUNA APLIKASI CAPCUT DARI PERSPEKTIF INTERAKSI MANUSIA DAN KOMPUTER MENGGUNAKAN SUPPORT VECTOR MACHINE

Abstract

Perkembangan aplikasi digital mendorong meningkatnya jumlah ulasan pengguna sebagai sumber informasi terkait pengalaman penggunaan, termasuk pada aplikasi CapCut. Namun, data ulasan yang berbentuk teks tidak terstruktur menyulitkan proses analisis secara manual. Permasalahan ini menyebabkan sulitnya memahami persepsi pengguna secara cepat dan akurat. Oleh karena itu, penelitian ini bertujuan untuk menganalisis sentimen pengguna aplikasi CapCut dari perspektif Human–Computer Interaction menggunakan algoritma Support Vector Machine (SVM). Metode yang digunakan meliputi pengumpulan data ulasan dari Google Play Store melalui teknik scraping, kemudian dilakukan tahap text preprocessing yang terdiri dari case folding, tokenizing, stopword removal, dan stemming. Selanjutnya, data direpresentasikan menggunakan pembobotan TF-IDF dan diklasifikasikan ke dalam sentimen positif, netral, dan negatif menggunakan SVM. Evaluasi model dilakukan menggunakan confusion matrix dengan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model SVM mampu mengklasifikasikan sentimen dengan akurasi terbaik sebesar 71,55%. Selain itu, mayoritas ulasan pengguna didominasi oleh sentimen negatif, yang mengindikasikan adanya permasalahan pada kualitas pengalaman pengguna aplikasi CapCut