Analisis Sentimen Ulasan Pengguna Aplikasi Sirekap Menggunakan Support Vector Machine (SVM)

Abidin, Muhammad Zainul, 52104110016 and Ronny, Makhfuddin Akbar, 0709078604 and Soffa, Zahara, 0704079101 and Syaifuddin, Ahmad, 0712039302 and Yanuarini, Nur .S., 0714018304 (2025) Analisis Sentimen Ulasan Pengguna Aplikasi Sirekap Menggunakan Support Vector Machine (SVM). Bachelor thesis, Universitas Islam Majapahit.

	Text abstrak.pdf Restricted to Registered users only Download (1MB) | Request a copy
Preview	Text BAB I.pdf Download (237kB) | Preview
	Text BAB II.pdf Restricted to Registered users only Download (352kB) | Request a copy
	Text BAB III.pdf Restricted to Registered users only Download (4MB) | Request a copy
	Text BAB 4.pdf Restricted to Registered users only Download (1MB) | Request a copy
Preview	Text BAB 5.pdf Download (184kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Download (168kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Download (505kB) | Request a copy

Abstract

SIREKAP (Sistem Informasi Rekapitulasi Elektronik) merupakan aplikasi yang dikembangkan oleh Komisi Pemilihan Umum (KPU) Republik Indonesia untuk mendukung digitalisasi proses rekapitulasi suara pada Pemilihan Umum (Pemilu) 2024. Aplikasi ini bertujuan meningkatkan efisiensi, mengurangi beban kerja manual, serta mempercepat proses penghitungan suara. Namun, sejak peluncurannya, SIREKAP mendapat beragam tanggapan dari masyarakat yang terekam melalui ulasan di Google Play Store, mulai dari apresiasi terhadap kemudahan penggunaan hingga keluhan terkait kendala teknis. Penelitian ini bertujuan menganalisis sentimen ulasan pengguna terhadap aplikasi SIREKAP dengan menerapkan metode Support Vector Machine (SVM), sebuah algoritma machine learning yang efektif dalam klasifikasi teks berdimensi tinggi. Data yang dianalisis berjumlah 15.000 ulasan, dikumpulkan melalui teknik web scraping dari Google Play Store. Tahapan analisis meliputi preprocessing data (cleaning, tokenizing, dan stemming), pelabelan sentimen secara manual ke dalam kategori positif, negatif, dan netral, pelatihan model SVM, serta evaluasi kinerja menggunakan confusion matrix berdasarkan metrik akurasi, presisi, dan recall. Hasil penelitian menunjukkan bahwa SVM mampu mengklasifikasikan sentimen dengan tingkat akurasi yang baik sebesar 0,99, meskipun data mengandung bahasa informal dan campuran bahasa lokal. Penelitian ini memberikan wawasan terkait persepsi publik terhadap SIREKAP dan dapat menjadi bahan evaluasi bagi KPU serta pengembang aplikasi dalam meningkatkan kualitas dan keandalan layanan ke depan.

Actions (login required)

View Item