Analisis Perbandingan Algoritma K-Means-Svm Dan Dbscan-Svm Dalam Penentuan Sentimen Pengguna Aplikasi Pedulilindungi

Aplikasi PeduliLindungi adalah aplikasi yang dikembangkan oleh pemerintah dalam rangka melakukan pelacakan untk menghentikan penyebaran Coronavirus Disease (COVID-19). Aplikasi PeduliLindungi dapat di download melalui Google PlayStore untuk pengguna android dan App Store untuk pengguna iOS. Pengguna aplikasi dapat menyampaikan keluhan dan pujiannya atas aplikasi yang digunakan, serta memberikan nilai atau rating terhadap aplikasi tersebut. Namun, terkadang rating yang diberikan dengan komentar yang diberikan tidak sesuai. Ada rating yang tinggi tetapi pada komentarnya berisi keluhan atau komplain atas aplikasinya. Penelitian ini bertujuan untuk melihat sentimen dari komentar pengguna aplikasi PeduliLindungi, sehingga pengembang aplikasi dapat mengetahui keluhan pengguna terhadap aplikasi PeduliLindungi. Penelitian ini menggabungkan metode klastering dan klasifikasi dalam menentukan sentimen pengguna aplikasi. Metode klastering digunakan untuk mengelompokkan komentar positif dan negatif pada data latih. Metode klasifikasi akan digunakan untuk memprediksi komentar positif dan negatif pada data uji. Kombinasi algoritma yang digunakan adalah K-Means dengan SVM dan DBSCAN dengan SVM. Hasil yang diperoleh oleh kombinasi algoritma K-Means-SVM adalah sentimen positif sebanyak 1.801 dan sentimen negatif sebanyak 8.199. Sedangkan kombinasi algoritma DBSCAN-SVM didapatkan sentimen positif sebanyak 1.551 dan sentimen negatif sebanyak 8.449. K-Means-SVM memiliki nilai akurasi 99,6% dan DBSCAN-SVM memiliki nilai akurasi 99,8%. Sehingga dapat disimpulkan kombinasi DBSCAN-SVM lebih baik daripada K-Means-SVM berdasarkan hasil evaluasi confusion matrix.