ANALISIS SENTIMEN DAN KEPUASAN PENGGUNA APLIKASI MOODLE MENGGUNAKAN SUPPORT VECTOR MACHINE

Abstract

Aplikasi Moodle merupakan platform pembelajaran daring yang banyak digunakan oleh institusi pendidikan di berbagai negara. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Moodle yang diperoleh dari Google Play Store dengan mengklasifikasikan sentimen menjadi kategori positif dan negatif serta mengevaluasi tingkat kepuasan pengguna. Data ulasan yang diperoleh melalui scraping kemudian dipraproses meliputi pembersihan data, normalisasi bahasa, stemming, dan penghapusan stopwords. Fitur teks diekstraksi menggunakan teknik TF-IDF, dan pemodelan sentimen dilakukan menggunakan algoritma Support Vector Machine (SVM) dengan kernel linier, polynomial, dan RBF. Hasil menunjukkan bahwa SVM dengan kernel linier memberikan akurasi terbaik sebesar 86%. Analisis sentimen menunjukkan bahwa mayoritas ulasan yang tersisa setelah praproses bersentimen negatif, dengan keluhan signifikan terkait masalah teknis seperti kegagalan login dan performa aplikasi yang lambat. Temuan ini dapat menjadi dasar perbaikan aplikasi Moodle guna meningkatkan pengalaman dan kepuasan pengguna secara keseluruhan.