ANALISIS SENTIMEN FEEDBACK PENGGUNA APLIKASI CAPCUT MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)

Aplikasi editing video gratis Capcut, dikembangkan oleh ByteDance, memungkinkan pengguna membuat video berkualitas tinggi dengan berbagai fitur seperti musik, teks, stiker, efek, filter, green screen, text-to-speech, dan speech-to-speech. Fitur-fitur ini menarik pengguna dan mendorong keterlibatan aktif. Karena banyaknya ulasan pengguna, diperlukan aplikasi untuk mengkategorikan dan menilai sentimen secara otomatis sebagai positif, netral, atau negatif. Penelitian ini menggunakan algoritma Support Vector Machine (SVM) untuk analisis sentimen pengguna aplikasi Capcut. SVM bekerja berdasarkan prinsip Structural Risk Minimization (SRM) untuk menemukan hyperplane terbaik yang memisahkan dua kelas dalam input space. Dalam penelitian ini menggunakan 8.159 dataset hasil scrapping untuk melakukan analisis sentimen dan mendapatkan nilai accuracy, precision, recall, dan f1-score. Hasil pengujian model SVM menunjukkan nilai accuracy 98,18%, precision 72,06%, recall 72,72%, dan f1-score 72,39% pada rasio pembagian data 0.4 atau 60:40. Hasil ini menunjukkan bahwa metode SVM efektif dalam klasifikasi sentimen. Penelitian ini juga menemukan bahwa fitur edit (pengeditan/mengedit), template, dan video adalah fitur yang sering digunakan dan populer di kalangan masyarakat dengan masing-masing mendapatkan nilai kemunculan 1.016, 791, dan 2.286 kali.