Implementasi Support Vector Machine untuk Analisis Sentimen Aplikasi Deepseek

Brilian Prilindaputra, Dinda Rima Rachcita Putri, Nurissaidah Ulinnuha

Abstract

Kemunculan DeepSeek, AI canggih yang dikembangkan di China, telah memberikan dampak yang signifikan terhadap lanskap teknologi global. Namun, pengadopsiannya telah mendapat reaksi beragam, dengan beberapa negara memilih untuk memblokir aksesnya karena masalah keamanan data. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi DeepSeek di Google Play Store, secara khusus menargetkan ulasan pengguna dari Amerika Serikat. Dengan menggunakan metode klasifikasi Support Vector Machine (SVM), analisis sentimen dilakukan untuk mengkategorikan opini pengguna ke dalam sentimen positif, netral, dan negatif. Dataset yang terdiri dari 10.000 ulasan yang dikumpulkan melalui web scraping, telah dipreproses menggunakan teknik pembersihan teks, pembobotan TF-IDF, dan lemmatization. Model SVM dilatih dan divalidasi menggunakan k-fold cross validation (k-fold = 10), mencapai akurasi terbaik pada parameter C = 100 dan kernel RBF. Hasil evaluasi menunjukkan akurasi rata-rata 90,33%, dengan akurasi puncak 92,20% pada fold 10. Temuan ini menunjukkan polaritas sentimen yang kuat di antara para pengguna. Penelitian ini penyebaran kata dari analisis wordcloud memberikan wawasan bagi para pengembang dan pemangku kepentingan dalam meningkatkan aplikasi AI dengan mengatasi kekhawatiran pengguna dan meningkatkan kepuasan pengguna secara keseluruhan.

Full Text:

PDF

References

Abdusyukur, F. (2023). Penerapan Algoritma Support Vector Machine (SVM) Untuk Klasifikasi Pencemaran Nama Baik Di Media Sosial Twitter. KOMPUTA : Jurnal Ilmiah Komputer Dan Informatika, 12(1).

Aisah, I. S., Irawan, B., & Suprapti, T. (2023). Algoritma Support Vector Machine (SVM) Untuk Analisis Sentimen Ulasan Aplikasi Al Qur’an Digital. Jurnal Mahasiswa Teknik Informatika, 7(6).

Andriyani, T. (2025, February 13). DeepSeek Ramai Diblokir Banyak Negara, Pakar UGM Nilai Setiap Negara Punya Kedaulatan Digital. Universitas Gadjah Mada. https://ugm.ac.id/id/berita/deepseek-ramai-diblokir-banyak-negara-pakar-ugm-nilai-setiap-negara-punya-kedaulatan-digital/

Arsi, P., & Waluyo, R. (2021). Analisis Sentimen Wacana Pemindahan Ibu Kota Indonesia Menggunakan Algoritma Support Vector Machine (SVM). Jurnal Teknologi dan Informasi Komputer, 8(1), 147–156.

Derin (2021). Peningkatan Akurasi Identifikasi Daging Sapi dan Daging Babi Menggunakan Principal Component Analysis dan Contrast Stretching. Bachelor Thesis, Universitas Multimedia Nusantara.

Eka, R. M. S., I Gede, S. M. D., & Eva, Y. P. (2024). Perbandingan Kinerja Kernel Linear dan RBF Support Vector Machine untuk Analisis Sentimen Ulasan Pengguna KAI Access pada Google Play Store. Jurnal Mahasiswa Teknik Informatika, 8(1).

Hanif Razka, M., Theresiawati, T., & Chamidah, N. (2023). Analisis Sentimen terhadap Aplikasi PeduliLindungi pada Jejaring Sosial Twitter Menggunakan Algoritma Naïve Bayes dan Seleksi Fitur Particle Swarm Optimization. Informatik: Jurnal Ilmu Komputer, 19(1), 68–80.

Huzain Azis, Purnawansyah, Farniwati F., & Inggrianti P. P. (2020). Performa Klasifikasi K-NN dan Cross-validation pada Data Pasien Pengidap Penyakit Jantung. ILKOM Jurnal Ilmiah, 12(2), 81-86.

Kurniawan, Y. I., Fatikasari, A., Hidayat, M. L., & Waluyo, M. (2021). Prediction For Cooperative Credit Eligibility Using Data Mining Classification with C4.5 Algorithm. Jurnal Teknik Informatika (Jutif), 2(2), 67–74.

M. Parapat, I. (2017). Penerapan Metode Support Vector Machine (SVM) Pada Klasifikasi Penyimpangan Tumbuh Kembang Anak. Universitas Brawijaya.

Riky Sudrajat, M., & Dina Atika, P. (2021). Implementasi Support Vector Machine (SVM) dan Naive Bayes untuk Analisis Sentimen Aplikasi KAI Access. Jurnal ICT : Information Communication & Technology, 20(2), 254–259.

Sallam, M., Al-Mahzoum, K., Sallam, M., & Mijwil, M. M. (2025). DeepSeek: Is it the End of Generative AI Monopoly or the Mark of the Impending Doomsday? Mesopotamian Journal of Big Data, 2025, 26–34.

Suci Amaliah, M. Nusrang, & Aswi. (2022). Penerapan Metode Random Forest Untuk Klasifikasi Varian Minuman Kopi Di Kedai Kopi Konijiwa Bantaeng. VARIANSI: Journal of Statistics and Its Application on Teaching and Research, 4(2), 121-127.

Suarna, N., & Prihartono, W. (2024). Penerapan NLP (Natural Language Processing) Dalam Analisis Sentimen Pengguna Telegram Di Playstore. Jurnal Mahasiswa Teknik Informatika, 8(2).

Widiyanto, F. (2025, January 31). Deepseek, Artificial Intelligence Asal China Yang Mengemparkan Pasar Teknologi Global. UNESA. https://ekonomi.feb.unesa.ac.id/post/deepseek-artificial-intelligence-asal-china-yang-mengemparkan-pasar-teknologi-global

Visensius, D. Y., & Nirwana, H. (2024). Perbandingan Kernel Polynomial dan RBF Pada Algoritma SVM Untuk Analisis Sentimen Skincare di Indonesia. Jurnal Media Informatika Budidarma, 8(2), 726-735.

Zhafira, D. F., Rahayudi, B., & Indriati, I. (2021). Analisis Sentimen Kebijakan Kampus Merdeka Menggunakan Naive Bayes dan Pembobotan TF-IDF Berdasarkan Komentar pada Youtube. Jurnal Sistem Informasi, Teknologi Informasi, Dan Edukasi Sistem Informasi, 2(1), 55–63

DOI: https://doi.org/10.31284/j.integer.2024.v10i1.7541

Refbacks

  • There are currently no refbacks.