Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi CapCut yang diambil dari Google Play Store menggunakan algoritma Support Vector Machine (SVM) dan Naive Bayes. Sebanyak 5.000 ulasan berbahasa Indonesia dikumpulkan melalui Google Play Scraper dan diproses dengan tahapan cleaning, case folding, tokenisasi, stopword removal, dan stemming sebelum direpresentasikan menggunakan Term Frequency–Inverse Document Frequency (TF-IDF). Label sentimen ditentukan berdasarkan skor bintang, yaitu negatif (1–2), netral (3), dan positif (4–5). Hasil pengujian menunjukkan bahwa model SVM memperoleh akurasi 78,6% dengan nilai macro F1-Score sebesar 0,71, sedangkan Naive Bayes mencapai akurasi 75,2% dengan macro F1-Score sebesar 0,68. Kedua model memiliki kelemahan dalam memprediksi sentimen netral, yang disebabkan oleh distribusi kelas yang tidak seimbang dan keterbatasan metode pelabelan berbasis skor. Penelitian ini menegaskan bahwa analisis sentimen berbasis AI dapat memberikan wawasan penting bagi pengembang aplikasi dalam memahami pengalaman pengguna, meskipun tantangan terkait class imbalance dan keakuratan label masih perlu diperbaiki pada penelitian selanjutnya.
SEMASTER: Seminar Nasional Teknologi Informasi & Ilmu Komputer; Vol. 4 No. 1 (2025): Prosiding SEMASTER: Seminar Nasional Teknologi Informasi & Ilmu Komputer; 493-498
Penerbit: Fakultas Ilmu Komputer