Perbandingan Algoritma Klasifikasi Terhadap Review Aplikasi Maxim Menggunakan Teknik Klasifikasi Machine learning

Abstract

Perkembangan teknologi telah membawa dampak besar terhadap sistem transportasi publik, salah satunya dengan munculnya layanan ojek online yang memungkinkan pemesanan melalui aplikasi digital. Salah satu layanan transportasi daring yang cukup populer adalah Maxim, yang telah diunduh lebih dari 50 juta kali. Ulasan pengguna terhadap aplikasi ini menjadi sumber informasi penting untuk menilai pengalaman mereka serta sebagai dasar dalam upaya peningkatan kualitas layanan. Penelitian ini bertujuan untuk mengevaluasi dan membandingkan kinerja beberapa algoritma machine learning dalam mengklasifikasikan sentimen dari ulasan pengguna Maxim. Data dikumpulkan menggunakan metode web scraping dan dikelompokkan berdasarkan rating bintang. Tahapan pra-pemrosesan mencakup pembersihan teks, tokenisasi, stemming, dan pembobotan menggunakan metode TF-IDF. Algoritma yang digunakan meliputi Logistic Regression, Naive Bayes, Support Vector Machine (SVM), Decision Tree, K-Nearest Neighbors (KNN), dan Random Forest (RF). Evaluasi dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Berdasarkan hasil analisis, algoritma Random Forest menunjukkan kinerja terbaik dengan akurasi mencapai 95%. Secara umum, hasil penelitian ini menegaskan bahwa Random Forest unggul dibandingkan algoritma lain dalam menganalisis sentimen ulasan pengguna aplikasi Maxim