Analisis Sentimen Pengguna Aplikasi Pinjaman Online Melalui Media Sosial X (Twitter) Menggunakan Metode Support Vector Machine

Abstrak

Perkembangan layanan pinjaman daring sebagai bagian dari inovasi teknologi finansial (fintech) telah mempermudah akses masyarakat terhadap layanan keuangan, meskipun juga menimbulkan beragam pandangan publik yang perlu dianalisis secara mendalam. Penelitian ini bertujuan untuk mengevaluasi sentimen pengguna aplikasi pinjaman daring melalui platform media sosial X (Twitter) dengan menerapkan algoritma Support Vector Machine (SVM). Dataset penelitian terdiri dari 5.233 ulasan berbahasa Indonesia yang dikumpulkan antara Januari 2020 hingga Desember 2023 melalui teknik crawling. Proses penelitian mengikuti kerangka Knowledge Discovery in Database (KDD), yang meliputi pengumpulan data, pra-pemrosesan teks yang mencakup pembersihan data, tokenisasi, penghilangan stopword, dan stemming, pelabelan data, pembagian data latih dan uji, serta ekstraksi fitur menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF). Hasil evaluasi menunjukkan bahwa model SVM meraih akurasi sebesar 86%, dengan presisi tertinggi pada kategori sentimen netral (1,00) dan recall tertinggi pada kategori sentimen negatif (0,80). Analisis WordCloud memperlihatkan bahwa kata-kata dominan pada tiap kategori sentimen mencerminkan ragam persepsi publik, mulai dari keluhan, deskripsi netral, hingga apresiasi terhadap kemudahan layanan. Temuan ini berkontribusi dalam memberikan pemahaman yang lebih mendalam mengenai persepsi pengguna terhadap layanan pinjaman daring dan dapat menjadi bahan pertimbangan bagi penyedia layanan fintech dalam meningkatkan kualitas aplikasi dan pelayanannya.