Analisa Sentimen Terhadap Review Fintech Dengan Metode Naive Bayes Classifier Dan K- Nearest Neighbor
Abstract
Berdasarkan pengamatan yang dilakukan oleh peneliti, FinTech yang umum dan sedang marak digunakan oleh masyarakat Indonesia terutama generasi milineal untuk pembayaran, pembelian barang dan jasa salah satunya adalah Aplikasi Dana. Dalam memilih aplikasi yang akan digunakan biasanya mempertimbnagkan, kenyamanan, keamanan, ketepatan traksaksi, kemudahan, dan banyaknya promosi. Tetapi beberapa pengguna terkadang masih ragu dalam menggunakan suatu aplikasi karena beberapa review dari aplikasi yang menunjukkan ulasan positif maupun negatif. Dengan banyaknya review yang ditampilkan pada kolom komentar yang telah disediakan oleh Google Play Store di Aplikasi Dana dibutuhkan analisa untuk mengklasifikasi ulasan yang diberikan termasuk positif atau negatif. Penelitian yang dipakai adalah metode eksperimen dengan menggunakan Algoritma Naive Bayes Classifier dan K-Nearest Neighbor. Hasilnya pengujian pada Aplikasi Dana memiliki nilai akurasi terbaik sebesar 84,76%. Maka dapat menyimpulkan review tersebut dapat meyakinkan dari review positif oleh pengguna lain dan jika terdapat review negatif maka akan menjadi masukan kepada pihak perusahaan untuk lebih mengembangkan maupun memperbaiki produk tersebut.
Keywords: Analisa Sentimen, Fintech, Aplikasi Dana
Full Text:
PDF (93-105)References
Hanika, I. M. (2015). FENOMENA PHUBBING DI ERA MILENIA (Ketergantungan Seseorang pada Smartphone terhadap Lingkungannya). 4(1), 42–51. https://doi.org/10.14710/interaksi.4.1.42-51
Kominfo. (2019). Indonesia Raksasa Teknologi Digital Asia. Retrieved from https://kominfo.go.id/content/detail/6095/indonesia-raksasa-teknologi-digital-asia/0/sorotan_media
Muthia, D. A. (2017). Analisis Sentimen Pada Review Restoran Dengan Teks Bahasa Indonesia Mengunakan Algoritma Naive Bayes. Jurnalilmu Pengetahuan Dan Teknologi Komputer, 2(2), 39–45. https://doi.org/10.1515/HUMOR.2006.009
Noviana, D., Susanti, Y., & Susanto, I. (2019). Analisis Rekomendasi Penerima Beasiswa Menggunakan Algoritma K-Nearest Neighbor (K-NN) dan Algoritma C4.5. Retrieved from http://jurnal.umt.ac.id/index.php/cpu/article/view/1685/1078
Pradnyana, G. A., & Permana, A. A. J. (2018). Sistem Pembagian Kelas Kuliah Mahasiswa Dengan Metode K-Means Dan K-Nearest Neighbors Untuk Meningkatkan Kualitas Pembelajaran. JUTI: Jurnal Ilmiah Teknologi Informasi, 16(1), 59. https://doi.org/10.12962/j24068535.v16i1.a696
Rachmat C, A., & Lukito, Y. (2016). Klasifikasi Sentimen Komentar Politik dari Facebook Page Menggunakan Naive Bayes. Jurnal Informatika Dan Sistem Informasi Universitas Ciputra, 2(2), 26–34. https://doi.org/10.1080/10408398.2013.809690
Sugiarti, E. N., Diana, N., & Mawardi, M. C. (2019). E-JRA Vol. 08 No. 01 Februari 2019 Fakultas Ekonomi dan Bisnis Universitas Islam Malang. E-Jra, 8(1), 1–13. Retrieved from http://riset.unisma.ac.id/index.php/jra/article/view/4038/3515
Suyanto, S., & Kurniawan, T. A. (2019). Faktor yang Mempengaruhi Tingkat Kepercayaan Penggunaan FinTech pada UMKM Dengan Menggunakan Technology Acceptance Model (TAM). Akmenika, 16(1). Retrieved from https://journal.upy.ac.id/index.php/akmenika/article/view/166
DOI: https://doi.org/10.31294/evolusi.v8i1.7535
ISSN: 2657-0793 (online). ISSN: 2338-8161 (print)
