TY  - THES
TI  - ANALISIS SENTIMEN DENGAN ALGORITMA SUPPORT VECTOR MACHINE
TERHADAP ULASAN APLIKASI DISNEY+ HOTSTAR DI PLAY STORE
PB  - Universitas AMIKOM Yogyakarta
UR  - https://eprints.amikom.ac.id/id/eprint/33155/
A1  - Al Hamdi, Hasymi
KW  - Sentiment analysis
KW  -  SVM
KW  -  SMOTE
KW  -  TF-IDF
KW  -  Disney Hotstar
KW  -  Analisis sentimen
KW  -  Disney.
AV  - restricted
M1  - bachelor
ID  - universitasamikomyogyakarta33155
N2  - Layanan streaming seperti Disney Hotstar populer di Indonesia, namun
fluktuasi kepuasan pengguna terlihat dari ulasan di Google Play Store yang
mengandung sentimen positif dan negatif, sering kali tidak seimbang. Masalah
ketidakseimbangan data ini dapat menyebabkan bias model klasifikasi, sehingga
diperlukan analisis sentimen untuk mengidentifikasi kecenderungan opini
pengguna guna perbaikan aplikasi. Penelitian ini bertujuan mengoptimalkan
pipeline analisis sentimen untuk mengklasifikasikan ulasan positif-negatif secara
akurat.
Metode penelitian meliputi pengumpulan data ulasan Disney Hotstar, prapengolahan
(cleansing,
normalisasi,
case
folding,
tokenizing,
filtering),
pelabelan

berdasarkan

rating (positif: 4-5, negatif: 1-2), pembobotan TF-IDF, penerapan
SMOTE untuk oversampling kelas minoritas, dan klasifikasi SVM dengan kernel
linear serta RBF menggunakan K-Fold Cross Validation. Implementasi dilakukan
dengan Python dan scikit-learn, membandingkan skenario dengan dan tanpa
SMOTE serta feature selection. Alur ini mengoptimalkan performa model pada
dataset imbalance.
Hasil menunjukkan akurasi model SVM mencapai sekitar 83% dengan F1score

macro 0.82-0.83, stabil meski data tidak seimbang (positif ~700, negatif
~1100). SMOTE tidak signifikan meningkatkan performa, dan kernel RBF sedikit
lebih baik daripada linear. Model ini bermanfaat bagi developer Disney Hotstar
untuk analisis ulasan dan akademisi sebagai referensi optimasi SVM pada teks
Indonesia; saran lanjutan termasuk uji algoritma lain seperti XGBoost.
Y1  - 2026/02/27/
ER  -