Implementasi Algoritma Support Vector Machine Untuk Analisa Sentimen Data Ulasan Aplikasi Pinjaman Online di Google Play Store: Implementation of Support Vector Machine Algorithm for Sentiment Analysis of Online Loan Application Review Data on Google Play Store

Abstrak

Pinjaman online (pinjol) banyak menuai pro dan kontra karena aksesnya yang mudah dan iklannya tersebar di media sosial. Penyelenggara pinjaman daring juga seringkali menggunakan metode penagihan yang mengganggu, memberlakukan bunga yang tinggi, dan menetapkan jangka waktu pembayaran yang pendek, terutama pada pinjaman daring ilegal. Karenanya, penelitian ini melakukan analisis sentimen pada lima aplikasi pinjol, yaitu Kredivo, Easycash, Rupiah Cepat, Kredit Pintar, dan Ada Pundi. Data ulasan aplikasi diambil dari Google Play Store menggunakan teknik scraping. Kemudian, pelabelan sentimen dilakukan secara otomatis menggunakan kamus sentimen Bahasa Indonesia (Inset). Hasil pelabelan menunjukkan bahwa semua aplikasi pinjol mayoritas memiliki sentimen negatif. Kredivo menjadi aplikasi dengan jumlah sentimen positif terbanyak (46%), sementara itu Easycash memiliki sentimen negatif terbanyak (65%). Data yang di labeli kemudian digunakan untuk pemodelan klasifikasi dengan algoritma Support Vector Machine (SVM). Hasil evaluasi menghasilkan algoritma SVM mempunyai kinerja yang cukup baik dengan rata-rata akurasi sebesar 72%, presisi 76%, dan recall 85%. Namun secara khusus, SVM sangat baik melakukan klasifikasi sentimen pada aplikasi Kredit Pintar dengan akurasi sebesar 83%. Analisis visualisasi menggunakan word cloud juga dilakukan untuk memahami konteks ulasan pengguna aplikasi pinjol. Hasil pengamatan menunjukkan bahwa pengguna hampir selalu membahas tentang limit pinjaman disetiap sentimen pada kelima aplikasi.