KOMPARASI ALGORITMA XGBOOST DAN RANDOM FOREST DALAM MENGKLASIFIKASIKAN SENTIMEN PENGGUNA IPUSNAS

Abstract

Perkembangan teknologi digital mendorong perpustakaan untuk menyediakan layanan informasi yang mudah diakses, termasuk melalui aplikasi iPusnas. Banyaknya ulasan pengguna pada Google Play Store mencerminkan beragam pengalaman penggunaan yang perlu dianalisis untuk memahami persepsi masyarakat secara objektif. Penelitian ini bertujuan untuk membandingkan performa dua algoritma machine learning, yaitu XGBoost dan Random Forest, dalam mengklasifikasikan sentimen ulasan pengguna iPusnas. Sebanyak 10.000 data ulasan dikumpulkan melalui teknik web scraping dan diproses melalui tahapan preprocessing, pelabelan berbasis leksikon, serta transformasi fitur menggunakan Term Frequency–Inverse Document Frequency (TF-IDF). Evaluasi model dilakukan dengan metrik accuracy, precision, recall, dan F1-score pada dua skenario pembagian data, yaitu 80:20 dan 90:10. Hasil penelitian ini menunjukkan bahwa XGBoost secara konsisten menunjukkan performa yang lebih baik dibandingkan Random Forest, terutama pada metrik precision, recall, dan F1-score. Selain itu, hasil visualisasi wordcloud menunjukkan bahwa kata “buku”, “baca”, dan “aplikasi” memiliki frekuensi kemunculan tertinggi dalam ulasan pengguna, yang menggambarkan fokus utama pembahasan ulasan terhadap fungsi iPusnas sebagai aplikasi perpustakaan digital.