Analisis sentimen berbasis aspek terhadap ulasan pengguna di Traveloka menggunakan metode Support Vector Machine

INDONESIA:
Analisis sentimen berbasis aspek terhadap ulasan pengguna di Traveloka digunakan untuk mengidentifikasi sentimen positif dan negatif pada aspek layanan, harga, dan keamanan. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi sentimen berbasis aspek menggunakan metode Support Vector Machine (SVM) dengan optimasi Sequential Minimal Optimization (SMO) serta teknik ekstraksi fitur TF-IDF. Data diperoleh melalui scraping ulasan pengguna di Google Play Store dan melalui tahapan preprocessing serta klasifikasi aspek. Hasil penelitian menunjukkan bahwa skenario percobaan terbaik diperoleh pada skenario 3 dengan pendekatan multi-stage classification. Pada tahap klasifikasi aspek, parameter C = 0.01 dan nilai toleransi=0.01 menghasilkan akurasi sebesar 86%. Selanjutnya, pada tahap klasifikasi sentimen, aspek harga mencapai akurasi 87% dengan parameter C = 1 dan nilai toleransi 0,01, aspek keamanan mencapai akurasi 88% dengan parameter C = 0.1 dengan nilai toleransi= 0.01, dan aspek layanan mencapai akurasi tertinggi sebesar 91% dengan parameter C = 1 dengan nilai toleransi 0.01. Implementasi metode ini memberikan hasil analisis yang lebih akurat, sehingga dapat digunakan untuk memahami preferensi pengguna serta membantu perusahaan dalam meningkatkan kualitas layanan.

ENGLISH:
Aspect-based sentiment analysis of user reviews on Traveloka is used to identify positive and negative sentiments regarding the aspects of service, price, and security. This study aims to develop an aspect-based sentiment classification system using the Support Vector Machine (SVM) method optimized with Sequential Minimal Optimization (SMO) and the TF-IDF feature extraction technique. The data was obtained through scraping user reviews on the Google Play Store and processed through preprocessing and aspect classification stages. The results show that the best experimental scenario was achieved in Scenario 3 using a multi-stage classification approach. In the aspect classification stage, the parameters C = 0.01 and tolerance = 0.01 produced an accuracy of 86%. Furthermore, in the sentiment classification stage, the price aspect achieved an accuracy of 87% with C = 1 and tolerance = 0.01, the security aspect reached 88% accuracy with C = 0.1 and tolerance = 0.01, and the service aspect achieved the highest accuracy of 91% with C = 1 and tolerance = 0.01. The implementation of this method provides more accurate sentiment analysis results, which can be used to understand user preferences and assist companies in improving service quality

ARABIC:

يُ تحليل المشاعر المستند إلى الجوانب في تقييمات المستخدمين على منصة Traveloka يُستخدم لتحديد المشاعر الإيجابية والسلبية المتعلقة بجوانب الخدمة، والسعر، والأمان. يهدف هذا البحث إلى تطوير نظام تصنيف للمشاعر المستندة إلى الجوانب باستخدام خوارزمية آلة الدعم الناقل (SVM) مع تحسين عبر خوارزمية التحسين الأدنى التسلسلي (SMO) وتقنية استخراج الميزات TF-IDF. تم الحصول على البيانات من خلال تجميع تقييمات المستخدمين من متجر Google Play، وتمت معالجتها عبر مراحل التحضير المسبق وتصنيف الجوانب. أظهرت نتائج البحث أن أفضل سيناريو تجريبي تم تحقيقه في السيناريو الثالث باستخدام نهج التصنيف متعدد المراحل. في مرحلة تصنيف الجوانب، أدى استخدام المعامل C = 0.01 وقيمة التسامح = 0.01 إلى تحقيق دقة بلغت 86٪. بعد ذلك، في مرحلة تصنيف المشاعر، حقق جانب السعر دقة بلغت 87٪ باستخدام C = 1 وتسامح = 0.01، وحقق جانب الأمان دقة بنسبة 88٪ باستخدام C = 0.1 وتسامح = 0.01، بينما حقق جانب الخدمة أعلى دقة بلغت 91٪ باستخدام C = 1 وتسامح = 0.01. إن تطبيق هذه الطريقة يوفر نتائج أكثر دقة في تحليل المشاعر، مما يساعد في فهم تفضيلات المستخدمين ودعم الشركات في تحسين جودة خدماتها..