Analisis Sentimen Ulasan Figma dan Canva di Google Play Store Menggunakan Support Vector Machine dan SMOTE : Sentiment Analysis Figma and Canva Reviews on Google Play Store Using Support Vector Machine and SMOTE

Indriani Zabrina Putri; Diana Laily Fithri; R. Rhoedy Setiawan

doi:10.57152/malcom.v6i4.3076

Authors

Indriani Zabrina Putri Universitas Muria Kudus
Diana Laily Fithri Universitas Muria Kudus
R. Rhoedy Setiawan Universitas Muria Kudus

DOI:

https://doi.org/10.57152/malcom.v6i4.3076

Keywords:

Analisis Sentimen, Canva, Figma, Google Play Store, SMOTE, Support Vector Machine, TF-IDF

Abstract

Ulasan pengguna di Google Play Store memberikan informasi penting tentang pengalaman dan tingkat kepuasan pengguna terhadap aplikasi seluler. Penelitian ini bertujuan membandingkan sentimen pengguna aplikasi Canva dan Figma serta mengevaluasi kinerja algoritma Support Vector Machine (SVM) yang dikombinasikan dengan Synthetic Minority Over-sampling Technique (SMOTE) dalam mengklasifikasikan sentimen pengguna. Sebanyak 8.192 ulasan dikumpulkan dan diproses melalui tahapan pembersihan data, case folding, tokenisasi, penghapusan stopword, stemming, pelabelan sentimen berdasarkan rating pengguna, serta ekstraksi fitur menggunakan Term Frequency–Inverse Document Frequency (TF-IDF). Dataset dibagi menjadi data pelatihan dan data pengujian dengan rasio 80:20. SMOTE diterapkan pada data pelatihan untuk mengatasi ketidakseimbangan kelas sebelum proses pemodelan menggunakan SVM. Hasil evaluasi menunjukkan bahwa model memperoleh akurasi sebesar 87,19%, precision 95,32%, recall 87,01%, dan F1-score 90,97%. Sentimen positif mendominasi ulasan pada kedua aplikasi. Pengguna Canva lebih banyak menyampaikan keluhan terkait layanan berlangganan dan pengelolaan akun, sedangkan pengguna Figma lebih sering mengalami kendala login, aksesibilitas aplikasi, dan masalah teknis. Temuan ini menunjukkan bahwa kombinasi SVM dan SMOTE mampu menghasilkan kinerja klasifikasi yang baik serta memberikan informasi yang dapat digunakan oleh pengembang untuk meningkatkan kualitas layanan, mengoptimalkan fitur aplikasi, dan meningkatkan kepuasan pengguna.

Downloads

Download data is not yet available.

References

A. S. A. Rafsanjani, D. L. Fithri, and Supriyono, “Analisis sentimen ulasan pengguna aplikasi KitaLulus pada Google Play Store dengan menggunakan algoritma Support Vector Machine (SVM),” Sistemasi: Jurnal Sistem Informasi, vol. 14, no. 5, pp. 2519–2530, 2025, doi: 10.32520/stmsi.v14i5.5519.

R. Y. Hayuningtyas and R. Sari, “Analisis sentimen terhadap pengguna aplikasi Instagram di Google Play Store menggunakan Support Vector Machine,” Journal of Accounting Information System, vol. 5, no. 1, pp. 32–43, Jun. 2025.

C. Wulandari, L. Sunardi, and H. Hasbiana, “Analisis sentimen aplikasi Spotify pada ulasan pengguna di Google Play Store menggunakan metode Support Vector Machine,” KLIK: Kajian Ilmiah Informatika dan Komputer, vol. 4, no. 5, pp. 2588–2595, Apr. 2024, doi: 10.30865/klik.v4i5.1762.

A. B. Muzayyanah, R. E. Pawening, and Z. Arifin, “Analisis sentimen pada ulasan aplikasi eHadrah di Google Play Store menggunakan Support Vector Machine (SVM),” IDEALIS: InDonEsiA Journal Information System, vol. 7, no. 2, pp. 258–266, Jul. 2024, doi: 10.36080/idealis.v7i2.3250.

E. Subowo, N. Kholidah, and H. Tribuwono, “Algoritma Support Vector Machine untuk analisis sentimen ulasan aplikasi AXISnet di Google Play Store,” KOMPUTEK: Jurnal Teknik Universitas Muhammadiyah Ponorogo, vol. 8, no. 1, pp. 36–42, Apr. 2024, doi: 10.24269/jkt.v8i1.2653.

D. F. Nawulansih, N. C. Santi, and I. A. Sa’ida, “Analisis sentimen ulasan aplikasi DANA di Google Play Store: Penerapan Support Vector Machine dan Synthetic Minority Over-sampling Technique,” Jurnal Pendidikan dan Teknologi Indonesia, vol. 5, no. 9, pp. 2660–2671, Sep. 2025, doi: 10.52436/1.jpti.1053.

D. Saputra and M. R. Pribadi, “Analisis sentimen masyarakat terhadap layanan provider internet di Indonesia menggunakan SVM,” MDP Student Conference, vol. 2, no. 1, pp. 32–41, Apr. 2023, doi: 10.35957/mdp-sc.v2i1.4554.

P. K. Sitorus, F. Al Ashri, F. D. Ryandi, F. Dwisima, D. E. Putra, and C. Rozikin, “Analisis sentimen komentar aplikasi Stockbit di Google Play Store menggunakan Support Vector Machine,” JATI: Jurnal Mahasiswa Teknik Informatika, vol. 9, no. 6, pp. 10116–10123, Nov. 2025, doi: 10.36040/jati.v9i6.16360.

R. Hasanah, S. Sani SR, M. Munzir, A. A. Firdaus, C. Sulton, and M. Yunus, “Sentiment analysis of user reviews of TikTok app on Google Play Store using Naïve Bayes algorithm,” Indonesian Journal of Modern Science and Technology, vol. 1, no. 2, pp. 58–64, May 2025, doi: 10.64021/ijmst.1.2.58-64.2025.

L. Rhomaningtias, A. Khairunisa, S. S. M. Wara, and K. M. Hindrayani, “Analisis sentimen ulasan aplikasi Smile Indonesia menggunakan metode Naive Bayes dan Support Vector Machine (SVM),” HOAQ: Jurnal Teknologi Informasi, vol. 16, no. 1, pp. 79–91, May 2025, doi: 10.52972/hoaq.vol16no1.p79-91.

M. R. Borbon and R. A. Ebardo, “Social media discussions on educators: Selecting and appraisal of recent research using TF-IDF,” Computers and Education Open, vol. 9, Art. no. 100293, Dec. 2025, doi: 10.1016/j.caeo.2025.100293.

A. Ichwani, R. I. Kesuma, A. Setiawan, I. E. Wicaksono, and R. Hanifah, “Preventing data leakage in classification via integrated machine learning pipelines: Preprocessing, feature transformation, and hyperparameter tuning,” Jurnal Teknik Informatika (JUTIF), vol. 7, no. 1, pp. 391–410, Feb. 2026, doi: 10.52436/1.jutif.2026.7.1.5490.

R. Suguna, J. Suriya Prakash, H. Aditya Pai, T. R. Mahesh, V. Vinoth Kumar, and T. E. Yimer, “Mitigating class imbalance in churn prediction with ensemble methods and SMOTE,” Scientific Reports, vol. 15, no. 1, Art. no. 16256, May 2025, doi: 10.1038/s41598-025-01031-0.

A. Bahmani, “Fusion of statistical and stylistic text features with SVM for Persian sentiment analysis,” Journal of Future Artificial Intelligence and Technologies, vol. 2, no. 4, pp. 534–548, Dec. 2025, doi: 10.62411/faith.3048-3719-287.

D. S. Nurrochmah, N. Rahaningsih, R. D. Dana, and C. L. Rohmat, “Penerapan algoritma Naive Bayes dalam analisis sentimen ulasan aplikasi KitaLulus di Google Play Store,” Jurnal Informatika Terpadu, vol. 11, no. 1, pp. 1–11, 2025, doi: 10.54914/jit.v11i1.1544.