@phdthesis{universitasamikomyogyakarta31882,
          author = {Gibran Hait Sami},
           title = {ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI
CAPCUT DI PLAY STORE MENGGUNAKAN ALGORITMA
SUPPORT VECTOR MACHINE (SVM)},
            year = {2025},
           month = {December},
          school = {Universitas AMIKOM Yogyakarta},
        keywords = {Analisis Sentimen, CapCut, SMOTE, SVM, Sentiment Analysis.},
             url = {https://eprints.amikom.ac.id/id/eprint/31882/},
        abstract = {Volume ulasan aplikasi CapCut di Google Play Store yang sangat besar dan
tidak terstruktur, meliputi komponen seperti emoji serta ragam bahasa informal,
menyulitkan pengembang dalam mengekstraksi wawasan secara manual. Selain itu,
ketimpangan jumlah data yang signifikan antara ulasan positif dan negatif
menimbulkan masalah ketidakseimbangan data (imbalanced data) yang berdampak
pada biasnya prediksi model. Penelitian ini bertujuan mengklasifikasikan sentimen
ulasan menggunakan algoritma Support Vector Machine (SVM) yang
dikombinasikan dengan Synthetic Minority Over-sampling Technique (SMOTE)
untuk mengatasi tantangan tersebut. Metode penelitian meliputi pengumpulan data,
filtering rating bintang 3, pra-pemrosesan teks menggunakan library Sastrawi untuk
menangani pola bahasa, pembobotan fitur TF-IDF, serta penerapan SMOTE untuk
menyeimbangkan dataset menjadi 4.800 data sebelum diklasifikasikan dengan
SVM Kernel Linear. Hasil akhir pada penelitian menunjukkan bahwa penerapan
SMOTE mampu meningkatkan performa model secara signifikan dengan perolehan
akurasi sebesar 94\% dan recall kelas negatif mencapai 0.98. Hasil penelitian ini
dapat dimanfaatkan oleh tim pengembang CapCut untuk melakukan evaluasi
perbaikan fitur secara otomatis dan efisien, serta menjadi referensi bagi peneliti lain
dalam penanganan data teks tidak seimbang.}
}