Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna terhadap aplikasi
McDonald’s sebagai salah satu bentuk evaluasi kualitas layanan aplikasi di industri restoran. Analisis
sentimen dilakukan untuk mengklasifikasikan ulasan pengguna ke dalam dua kelas, yaitu sentimen positif
dan negatif. Metode yang digunakan dalam penelitian ini adalah Support Vector Machine (SVM) dengan
ekstraksi fitur menggunakan Term Frequency–Inverse Document Frequency (TF-IDF). Data penelitian
diolah dalam dua kondisi, yaitu data asli (natural) dan data hasil penyeimbangan menggunakan metode
Synthetic Minority Over-Sampling Technique (SMOTE). Kernel utama yang digunakan dalam proses
klasifikasi adalah kernel Linear, serta dilakukan perbandingan performa dengan kernel Radial Basis
Function (RBF), Polynomial, dan Sigmoid. Hasil penelitian menunjukkan bahwa penerapan SMOTE mampu
meningkatkan performa model dibandingkan data natural. Selain itu, kernel Linear memberikan hasil
kinerja yang paling optimal dibandingkan kernel lainnya berdasarkan nilai akurasi dan metrik evaluasi
yang digunakan. Dengan demikian, metode SVM dengan kernel Linear dan penerapan SMOTE efektif
digunakan untuk analisis sentimen ulasan pengguna aplikasi McDonal