Analisis Sentimen Kebutuhan Fast Track pada Originals Vidio Menggunakan Support Vector Machine

Abstract

Analisis sentimen adalah analisis data teks yang memberikan analisis mendalam tentang sentimen, pendapat, bahkan emosi yang diungkapkan dan memungkinkan kita untuk memprediksi peluang terkait dengan hasil analisis. Penelitian ini dibuat untuk melihat tanggapan user Vidio.Com terhadap Original Series nya yang belum memiliki fitur fast track dibandingkan dengan beberapa perusahaan OTT lain yang telah memiliki fitur tersebut agar Vidio.Com dapat membuat keputusan pasar dan meningkatkan layanan. Penelitian ini memakai komentar Original Series pada Vidio.Com yang terdiri dari 1403 komentar. Karena dataset tidak memiliki pelabelan data, dilakukanlah analisis sentimen untuk menentukan sentimen positif, netral, dan negatif. Analisis sentimen, menghasilkan 663 sentimen netral, 517 sentimen positif dan 224 sentimen negatif. Menurut hasil tersebut, dapat disimpulkan bahwa sebagian besar pengguna Vidio.Com membutuhkan fitur fast track pada Original Series nya. Dalam penelitian ini juga dilakukan pengujian menggunakan metode Support Vector Machine dari pembagian data latih dan data uji dengan dengan fitur 25%, 50%, 75%, 100%. Selanjutnya dilakukan pembobotan Tf-Idf, dan pengujian memakai sistem K-Fold Cross-Validation. Menghasilkan akurasi tertinggi pada fitur 25% dengan nilai 86,04% dengan akurasi tertinggi pada k-fold ke 2 dengan nilai akurasi sebesar 87.74%.