ANALISIS SENTIMEN BERBASIS ASPEK REVIEW PELANGGAN PADA APLIKASI TRANSPORTASI ONLINE MENGGUNAKAN LOGISTIC REGRESSION DENGAN EKSTRAKSI FITUR TF-IDF

Transportasi online merupakan layanan digital yang banyak digunakan masyarakat dan menghasilkan banyak ulasan pengguna pada Google Play Store. Ulasan tersebut tidak hanya memuat sentimen umum, tetapi juga opini terhadap aspek tertentu, seperti layanan, pengemudi, aplikasi, dan harga/biaya. Oleh karena itu, diperlukan pendekatan Aspect-Based Sentiment Analysis (ABSA) untuk memperoleh gambaran persepsi pengguna secara lebih spesifik. Penelitian ini bertujuan untuk menerapkan ABSA pada ulasan pengguna aplikasi Grab, Gojek, dan Maxim menggunakan Logistic Regression dengan ekstraksi fitur TF-IDF. Data penelitian diperoleh dari dataset Kaggle yang berisi 300.000 ulasan, kemudian melalui proses penyaringan hingga diperoleh 58.867 ulasan berbahasa Indonesia. Sampel anotasi manual ditentukan menggunakan Stratified Random Sampling dengan Equal Allocation sebanyak 2.001 ulasan yang kemudian dipecah menjadi unit teks. Label akhir digunakan sebagai ground truth dengan nilai Cohen’s Kappa sebesar 0,7187 untuk aspek dan 0,8887 untuk polaritas. Pada tahap pemodelan, dilakukan perbandingan tiga skenario, yaitu Baseline Logistic Regression, Class Weight Balanced, dan SMOTE. Hasil pengujian menunjukkan bahwa Logistic Regression dengan Class Weight Balanced memperoleh performa terbaik dengan Accuracy sebesar 80,28%, Macro F1-score sebesar 72,29%, dan Weighted F1-score sebesar 80,07%. Hasil analisis menunjukkan bahwa Maxim unggul pada aspek pengemudi dan harga/biaya, Grab memiliki distribusi sentimen yang relatif seimbang, sedangkan Gojek memperoleh sentimen negatif tinggi pada beberapa aspek utama. Penelitian ini menunjukkan bahwa ABSA dapat memberikan informasi yang lebih rinci mengenai persepsi pengguna terhadap layanan transportasi online.

Kata kunci: Analisis Sentimen Berbasis Aspek, Logistic Regression, TF-IDF, Transportasi Online, Ulasan Pengguna