Analisis Sentimen Kepuasan Pelanggan menggunakan Query Expansion Ranking pada Algoritma Support Vector Machine

Perkembangan teknologi memberikan kemudahan bagi pelanggan untuk menyampaikan pendapat maupun penilaian terhadap suatu layanan yang digunakan. Salah satu
pendekatan yang efektif dalam menganalisa kepuasan pelanggan adalah melalui analisis sentimen, yang memungkinkan pengklasifikasian sentimen ke dalam kategori positif, netral, atau negatif. Penelitian ini memiliki tujuan untuk melakukan klasifikasi sentimen pelanggan dengan menggunakan algoritma Support Vector Machine (SVM) dan
mengimplementasikan seleksi fitur Query Expansion Rangking untuk meningkatkam relevansi fitur dan kinerja klasifikasi. Data yang digunakan merupakan data primer yang
di crawling dari media sosial X, merujuk pada salah satu layanan jasa ojek online. Model SVM diuji dengan menggunakan metode Stratified K-Fold Cross Validation untuk menghindari overfitting saat pemrosesan. Berdasarkan hasil pengujian terhadap data yang telah dilabeli manual dengan kategori negatif, netral dan positif, model SVM dengan kernel Linear dan implementasi QER menggunakan rasio fitur 100% memberikan performa dengan nilai akurasi sebesar 75% dan nilai kappa 57%.
Kata kunci: Analisis sentimen, Kepuasan pelanggan, Query Expansion Rangking,
Support Vector Machine, X (twitter)