Repository Universitas Negeri PadangImplementasi Algoritma Support Vector Machine untuk Analisis Sentimen Ulasan Pengguna Aplikasi DeepseekAbelLevranauthorAplikasi AI chatbot DeepSeek merupakan aplikasi yang dikembangkan perusahaan Tiongkok yang rilis pada 8 Januari 2025 dan telah menjadi perbincangan publik karena kemampuannya yang diklaim dapat menyaingi ChatGPT, menjadi latar belakang penelitian ini. Pengguna memberikan review atau ulasan tentang aplikasi, tentunya pengguna mengharapkan aplikasi yang memiliki kualitas bagus. Namun, memahami ulasan dalam jumlah banyak dari masyarakat umum tidaklah mudah, karena itu diperlukan analisis sentimen. Studi ini menganalisis sentimen pengguna terhadap aplikasi DeepSeek menggunakan metode klasifikasi Support Vector Machine (SVM), metode KNN dan Naive Bayes sebagai perbandingan. Ulasan aplikasi DeepSeek diklasifikasikan menjadi sentimen positif dan negatif. Data yang digunakan merupakan ulasan atau review pengguna aplikasi DeepSeek yang dikumpulkan dari Google PlayStore selama periode 8 januari 2025 hingga 8 mei 2025. Dari klasifikasi metode lexicon based didapatkan 13.538 ulasan positif dan 3.497 ulasan negatif dari 17.035 sampel ulasan pengguna DeepSeek periode 8 Januari hingga 8 Mei 2025. Metode Support Vector Machine (SVM) dalam mengklasifikasi data review mendapatkan akurasi tertinggi pada pembagian data latih & data uji 90:10 sebesar 95,07% lalu presisi 98,04%, recall 95,73%, dan F1- Score sebesar 96,87%. Metode Naive Bayes mendapatkan akurasi 91,07%, presisi sebesar 91% dan recall 97%. Sedangkan metode KNN mendapatkan akurasi 90,49%, presisi sebesar 94%, dan recall 93%. Dari hasil tersebut, dapat disimpulkan bahwa SVM lebih unggul dalam mengolah data ulasan pengguna aplikasi DeepSeek dibandingkan dengan Naïve Bayes dan KNN. Hal ini menunjukkan bahwa SVM lebih efektif dalam menangani data teks ulasan yang besar dan kompleks. Dari klasifikasi dan visualisasi didapatkan pengetahuan berupa kata yang sering muncul di ulasan positif seperti "good", "best", "love", dan "chatgpt", sementara di ulasan negatif terdapat kata "server", "problem", "error", dan "busy".TK Electrical engineering. Electronics Nuclear engineering2025-10Universitas Negeri Padang;Teknik Elektronika FT UNPThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant Repository Universitas Negeri Padang the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that Repository Universitas Negeri Padang does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at Repository Universitas Negeri Padang is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the Deposit Item Now button indicates your agreement to these terms.