| Transformasi digital mendorong perusahaan untuk mengandalkan ulasan konsumen sebagai sumber informasi penting dalam meningkatkan kualitas layanan. Namun, volume data ulasan yang besar memerlukan pendekatan analitik otomatis. Penelitian ini membandingkan enam metode klasifikasi supervised machine learning, yaitu Logistic Regression, K-Nearest Neighbors (KNN), Support Vector Machine (SVM), Naive Bayes, Decision Tree, dan Random Forest, dalam memprediksi sentimen ulasan konsumen terhadap aplikasi transportasi online. Data dikumpulkan melalui web scraping sebanyak 5000 ulasan dari Google Play Store, kemudian diproses menggunakan teknik text preprocessing dan TF-IDF. Hasil penelitian menunjukkan bahwa SVM menghasilkan performa terbaik dengan akurasi mencapai 90% dan nilai AUC-ROC yang tinggi, sementara KNN menunjukkan performa terendah akibat masalah dimensi tinggi. Penelitian ini memberikan rekomendasi implementasi SVM untuk analisis sentimen berbasis teks di industri aplikasi transportasi online, serta menjadi dasar pengembangan penelitian lanjutan dengan pendekatan deep learning atau analisis multi-kelas. |