ANALISIS PENGARUH RANDOM SEARCH PADA LOGISTIC REGRESSION DALAM KLASIFIKASI SENTIMEN PENGGUNA APLIKASI PDAM INFO

Transformasi digital mendorong kebutuhan  untuk menghadirkan layanan publik berbasis teknologi yang cepat dan responsif melalui aplikasi, salah satunya aplikasi PDAM Info. Ulasan pengguna aplikasi merupakan informasi penting bagi pengembang untuk meningkatkan kualitas layanan. Banyaknya ulasan aplikasi menyulitkan proses analisis secara manual, sehingga diperlukan analisis sentimen berbasis teks menggunakan machine learning. Algoritma machine learning secara default seringkali belum optimal dalam melakukan klasifikasi, metode Random Search dipercaya dapat meningkatkan kinerja hasil klasifikasi. Tujuan penelitian ini untuk mengetahui hasil analisis sentimen, serta mengetahui pengaruh Random Search dalam klasifikasi sentimen aplikasi PDAM Info. Dataset terdiri dari 2.400 ulasan dari Google Play Store yang setelah preprocessing menjadi 1.677 data, dilabeli menggunakan metode Lexicon-Based dan direpresentasikan dengan TF-IDF. Klasifikasi dilakukan menggunakan Logistic Regression dan SVM, metode hyperparameter tuning yang digunakan adalah Random Search. Hasil menunjukkan sentimen negatif mendominasi ulasan pengguna terkait cakupan wilayah dan metode pembayaran. Penerapan Random Search meningkatkan kinerja kedua algoritma dengan Accuracy 88% dan F1-score 83%, serta menunjukkan perbaikan prediksi kelas positif dan netral pada data tidak seimbang. Kontribusi penelitian ini memberikan informasi terkait persepsi pengguna bagi pengembang aplikasi PDAM Info serta membuktikan bahwa Random Search dapat meningkatkan kinerja model machine learning dan memperbaiki prediksi kelas pada data tidak seimbang.