Perbandingan Metode Support Vector Machine dan Convolutional Neural Network untuk Analisis Sentimen pada Google Classroom di Google Play Store
Abstract
Google Classroom merupakan salah satu platform pembelajaran daring yang banyak digunakan dan menyediakan fitur ulasan pada Google Play Store sebagai media bagi pengguna untuk menyampaikan pengalaman, keluhan, maupun penilaian terhadap aplikasi. Ulasan tersebut dapat dimanfaatkan untuk memperoleh informasi mengenai persepsi pengguna melalui analisis sentimen. Penelitian ini bertujuan untuk membandingkan kinerja metode Support Vector Machine (SVM) dan Convolutional Neural Network (CNN) pada analisis sentimen ulasan Google Classroom di Google Play Store. Data penelitian diperoleh melalui proses web scraping dan menghasilkan 1806 ulasan yang kemudian melalui tahapan preprocessing sehingga diperoleh 1735 ulasan yang siap dianalisis. Pelabelan sentimen dilakukan menggunakan pendekatan Lexicon-Based Sentiment Analysis, sedangkan proses klasifikasi dilakukan menggunakan tiga skenario, yaitu TF-IDF + SVM, TF-IDF + Chi-Square + SVM, dan CNN. Hasil penelitian menunjukkan bahwa penerapan Chi-Square mampu meningkatkan akurasi SVM dari 93% menjadi 94%. Sementara itu, CNN menghasilkan performa terbaik dengan akurasi sebesar 96%, melampaui kedua model berbasis SVM. Hasil tersebut menunjukkan bahwa CNN memiliki kemampuan yang lebih baik dalam mempelajari representasi dan pola sentimen pada data teks. Dengan demikian, CNN dapat menjadi pendekatan yang lebih efektif untuk analisis sentimen ulasan aplikasi pendidikan dibandingkan metode SVM pada dataset yang digunakan dalam penelitian ini.
References
Agustin Fitriana, Lady, Sugiyarto, I., & Faddillah, U. (2026). Penerapan Model LSTM dan CNN Untuk Klasifikasi Sentimen Pada Ulasan Aplikasi Roblox. Infotek: Jurnal Informatika Dan Teknologi, 9(1), 71–82. https://doi.org/10.29408/jit.v9i1.32848
Al-Harbi1, O. (2019). A Comparative Study of Feature Selection Methods for Dialectal Arabic Sentiment Classification Using Support Vector Machine. In IJCSNS International Journal of Computer Science and Network Security (Vol. 19, Number 1). https://bit.ly/2FEGs1B
Amany Mursianto, G., Widiyanto, D., Tri Wahyono, B., Ilmu Komputer, F., Pembangunan Nasional Veteran Jakarta, U., & Fatmawati Raya, J. R. (2022). Analisis Sentimen Ulasan Pengguna Pada Aplikasi Google Classroom Menggunakan Metode SVM Dan Seleksi Fitur PSO. JURNAL INFORMATIK Edisi Ke, 18, 2022.
Dwiyansaputra, R., Ika Murpratiwi, S., & Aranta, A. (2025). ANALISIS SENTIMEN PADA PENGGUNA APLIKASI X TERHADAP PEMILIHAN UMUM PRESIDEN 2024 MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). In Jurnal Mahasiswa Teknik Informatika) (Vol. 9, Number 1).
Ginting, M. B., Surbakti, A. B., Ilham, S., Utomo, P., & Ginting, R. B. (2025). SMOTE and BERT Approaches for Handling Class Imbalance in Sentiment Analysis of the CoreTax Application on Big Data. Technology and Science (BITS), 7(2), 1467–1476. https://doi.org/10.47065/bits.v7i2.8310
Google. (2024). 10 Tahun Classroom: Apa yang Kami Pelajari dan Apa yang Akan Datang.
Google LLC. (2026). Google Classroom.
Kowsari, K., Meimandi, K. J., Heidarysafa, M., Mendu, S., Barnes, L., & Brown, D. (2019). Text classification algorithms: A survey. In Information (Switzerland) (Vol. 10, Number 4). MDPI AG. https://doi.org/10.3390/info10040150
Madasu, A., & E, S. (2020). Efficient Feature Selection techniques for Sentiment Analysis. http://arxiv.org/abs/1911.00288
Nurwahidah, D., Dwilestari, G., Nuris, N. D., Narasati, R., & Informatika, T. (2023). ANALISIS SENTIMEN DATA ULASAN PENGGUNA APLIKASI GOOGLE KELAS PADA GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA NAÏVE BAYES. In Jurnal Mahasiswa Teknik Informatika (Vol. 7, Number 6).
Salsabilla, A. R., Sani, R. R., & Dewi, I. N. (2025). Perbandingan Metode Seleksi Fitur Chi-Square dan Information Gain untuk Peningkatan Interpretabilitas dan Optimasi Kinerja Model TabNet. Jurnal Nasional Teknologi Dan Sistem Informasi, 11(3), 253–262. https://doi.org/10.25077/teknosi.v11i3.2025.253-262
Shafira Akbar Rizki, D., Syaiful Khabib, M., Rahmayuna, N., & Gayuh Utomo, V. (2025). Klasifikasi Sentimen Ulasan Pengguna Aplikasi Layanan Publik Google Play Store Menggunakan NLP dan ML. 20(1).
