Perkembangan transformasi digital di berbagai sektor bisnis saat ini mempengaruhi strategi perusahaan untuk tetap bertahan. Salah satunya adalah perusahaan Starbucks yang meluncurkan aplikasi untuk konsumennya. Starbucks adalah salah satu merek kopi yang paling terkenal di dunia dan memiliki aplikasi yang memungkinkan pelanggan untuk melakukan pemesanan, pembayaran, serta mendapatkan hadiah melalui program loyalitas. Ulasan daring memiliki peranan penting dalam keputusan konsumen. Dalam ulasan aplikasi Starbucks di Google Play Store, opini negatif mendominasi, yang memerlukan perhatian lebih dari pengembang. Rating aplikasi Starbucks di Google Play Store menunjukkan penurunan yang signifikan, dari 4,9 bintang menjadi 2,5 bintang dalam waktu satu tahun. Hal ini menarik perhatian karena banyaknya keluhan terkait masalah teknis pada aplikasi, seperti kesulitan login dan transaksi yang gagal.
Penelitian ini bertujuan untuk mengetahui bagaimana hubungan sentimen ulasan yang diberikan oleh pengguna terhadap rating aplikasi Starbucks. Fokus penelitian ini adalah pada ulasan pengguna yang diambil dari Google Play Store, dengan menggunakan analisis sentimen berbasis Support vector machine (SVM). Analisis ini bertujuan untuk mengklasifikasikan ulasan menjadi tiga kategori sentimen, yaitu positif, netral, dan negatif, serta menvisualisasikan frekuensi kata yang paling banyak digunakan. Dengan menggunakan metode ini, penelitian ini juga bertujuan untuk memahami kontribusi sentimen terhadap rating aplikasi yang diberikan oleh pengguna.
Metode yang digunakan dalam penelitian ini adalah pendekatan kuantitatif dengan pengumpulan data ulasan yang kemudian diproses menggunakan text pre-processing. Data yang telah diproses kemudian dianalisis menggunakan SVM untuk mengklasifikasikan sentimen dan diuji hubungan antara sentimen ulasan dengan rating aplikasi menggunakan analisis korelasi Pearson. Hasil penelitian menunjukkan bahwa terdapat hubungan yang signifikan antara sentimen ulasan dan rating aplikasi, dengan sentimen positif berhubungan dengan rating yang lebih tinggi, sementara sentimen negatif berhubungan dengan rating yang lebih rendah.
Penelitian ini memberikan wawasan bahwa sentimen ulasan pengguna memainkan peran penting dalam membentuk rating aplikasi. Dengan memahami sentimen yang terkandung dalam ulasan, pengembang aplikasi dapat mengidentifikasi masalah yang dihadapi pengguna dan memperbaiki kualitas aplikasi secara keseluruhan. Oleh karena itu, disarankan agar Starbucks memperbaiki masalah teknis aplikasi, khususnya terkait dengan login dan transaksi, untuk meningkatkan kepuasan pengguna dan rating aplikasi di masa depan.
Kata Kunci: Sentimen Ulasan, Rating Aplikasi, Google Play Store, Support Vector Machine, Korelasi Pearson, Analisis Sentimen.