ANALISIS SENTIMEN APLIKASI PEMINJAMAN ONLINE BERDASARKAN ULASAN PADA PLAY STORE MENGGUNAKAN METODE NAÏVE BAYES DAN SUPPORT VECTOR MACHINE (STUDI KASUS : ADAKAMI DAN EASYCASH)

La Ode Muhammad Hafidz Abdillah Sam Mongkito; Natalis Ransi; La Surimi; Andi Tenriawaru; Gunawan Gunawan; Budi Wijaya Rauf

doi:10.33772/anoatik.v2i2.71

Penulis

La Ode Muhammad Hafidz Abdillah Sam Mongkito Program Studi Ilmu Komputer, Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Halu Oleo
Natalis Ransi
La Surimi
Andi Tenriawaru
Gunawan Gunawan
Budi Wijaya Rauf

DOI:

https://doi.org/10.33772/anoatik.v2i2.71

Abstrak

Penelitian ini bertujuan menganalisis sentimen aplikasi peminjaman online berdasarkan ulasan pada Google Play Store menggunakan metode Naïve Bayes dan Support Vector Machine serta menentukan aplikasi peminjaman online mana yang lebih terpercaya. AdaKami merupakan aplikasi peminjaman online yang berada dalam naungan PT.Pembiayaan Digital Indonesia. EasyCash merupakan aplikasi peminjaman online yang merupakan perusahaan finansial teknologi milik PT.Indonesia Fintopia Technology yang menyediakan portal layanan keuangan digital khususnya peminjaman online. Namun untuk menentukan apakah aplikasi peminjaman online ini andal atau terpercaya, dibutuhkan kumpulan informasi yang berasal dari pengalaman pengguna sebelumnya.

Metode Naïve Bayes dan Support Vector Machine digunakan untuk menganalisis sentimen aplikasi peminjaman berdasarkan data ulasan relevan yang diproses menggunakan bahasa pemrograman python dengan google colabs sebagai tools untuk melakukan tahap penelitian.

Hasil Penelitian menunjukan bahwa metode Naïve Bayes dan Support Vector Machine dapat diterapkan dalam menganalisis sentimen aplikasi peminjaman online dan berdasarkan hasil analisis aplikasi menggunakan metode Naïve Bayes Adakami lebih terpercaya oleh pengguna sebelumnya dikarenakan menghasilkan data ulasan positif sebesar 95% dan aplikasi Easycash menghasilkan data ulasan positif sebesar 93% serta hasil menggunakan metode Support Vector Machine Adakami menghasilkan data ulasan positif sebesar 91% dan aplikasi Easycash menghasilkan data ulasan positif sebesar 83%.

Kata Kunci:

AdaKami, Easycash, Analisis Sentimen, Naive Bayes, Support Vector Machine

Unduhan

Data unduhan belum tersedia.

Referensi

Danuri, M. (2019). “Perkembangan Dan Transformasi Teknologi Digital.” Infokam, XV(II), 116–123.

Wahyuni, R. A. E., & Turisno, B. E. (2019). Praktik Finansial Teknologi Ilegal Dalam Bentuk Pinjaman Online Ditinjau Dari Etika Bisnis. Jurnal Pembangunan Hukum Indonesia, 1(3), 379–391.

Sastradinata, D. N. (2020). Aspek Hukum Lembaga Pinjaman Online Ilegal Di Indonesia. Jurnal Independent Fakultas Hukum, 8(1), 293–301.

Olifiansyah, M. (2021). Perlindungan Hukum Pencurian Data Pribadi dan Bahaya Penggunaan Aplikasi Pinjaman Online. Jurnal Hukum De'rechtsstaat, vol.7, No 2.

Indrayuni, E. (2019). Klasifikasi Text Mining Review Produk Kosmetik Untuk Teks Bahasa Indonesia Menggunakan Algoritma Naive Bayes. Jurnal Khatulistiwa Informatika, 7(1), 29–36.

Herlinawati, N., Yuliani, Y., Faizah, S., Gata, W., & Samudi, S. (2020). Analisis Sentimen Zoom Cloud Meetings di Play Store Menggunakan Naïve Bayes dan Support Vector Machine. CESS (Journal of Computer Engineering, System and Science), 5(2), 293

Hayatin, Nur. 2021. “Implementasi Multinomial Naïve Bayes Untuk Klasifikasi Data Tweets Mengandung Term Depresi.” Prosiding SENTRA (Seminar Teknologi dan Rekayasa) 0(6): 344–49.

Fitriana, F., Utami, E., & Fatta, H. Al. (2021). Analisis Sentimen Opini Terhadap Vaksin Covid-19 pada Media Sosial Twitter Menggunakan Support Vector Machine dan Naive Bayes. 5(1), 19–25.

Maulana, Y. (2023). Optimalisasi support vector machine (svm) menggunakan pelabelan vader pada analisis sentimen ulasan google classroom. Doctoral Dissertation, Universitas Siliwangi, 2023.