ANALISIS SENTIMEN DATA ULASAN DI PLAYSTORE UNTUK PENERAPAN APLIKASI KIPIN DI SEKOLAH MENGGUNAKAN ALGORITMA SVM

Digitalisasi pendidikan telah menjadi salah satu pilar utama dalam transformasi pembelajaran di era modern. Aplikasi KIPIN School hadir sebagai platform E-Learning yang menawarkan berbagai fitur interaktif untuk mendukung proses belajar mengajar. Penelitian ini difokuskan pada penerapan metode analisis sentimen berbasis machine learning untuk mengevaluasi persepsi pengguna terhadap aplikasi KIPIN melalui ulasan di Google Playstore. Tahapan penelitian dimulai dengan pengumpulan data ulasan sebanyak lebih dari 1000 komentar pengguna, kemudian dilakukan pra-pemrosesan teks meliputi cleaning, case folding, tokenizing, stopword removal, dan stemming. Selanjutnya, data teks direpresentasikan ke dalam bentuk numerik menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF). Proses klasifikasi sentimen dilakukan dengan algoritma Support Vector Machine (SVM), yang dipilih karena memiliki performa tinggi dalam pemisahan kelas teks. Evaluasi model menggunakan metrik akurasi, presisi, dan recall menunjukkan bahwa SVM mampu mengklasifikasikan ulasan ke dalam kategori positif dan negatif dengan akurasi mencapai 92%. Hasil penelitian ini menegaskan efektivitas kombinasi TF-IDF dan SVM dalam analisis sentimen teks berbahasa Indonesia, khususnya pada domain pendidikan digital. Secara teoritis, penelitian ini memperkaya literatur mengenai penerapan Natural Language Processing (NLP) dalam evaluasi aplikasi pendidikan. Secara praktis, temuan ini dapat dimanfaatkan oleh pengembang aplikasi KIPIN sebagai bahan evaluasi peningkatan fitur dan layanan, serta oleh pendidik dan pengguna baru sebagai pertimbangan dalam memilih aplikasi pembelajaran yang sesuai dengan kebutuhan.