Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Malcom: Indonesian Journal of Machine Learning and Computer Science

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 Iqbal, Muhammad; Afdal, M; Novita, Rice
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 4 (2024): MALCOM October 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i4.1435

Abstract

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.
Analisis Sentimen Ulasan Aplikasi PLN Mobile Menggunakan Algoritma Naïve Bayes Classifier dan K-Nearest Neighbor: Sentiment Analysis of PLN Mobile Application Review Using Naïve Bayes Classifier and K-Nearest Neighbor Algorithm Syafrizal, Syafrizal; Afdal, M.; Novita, Rice
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 1 (2024): MALCOM January 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i1.983

Abstract

Bukti nyata PLN terus meningkatkan pelayanannya adalah dengan meluncurkan sebuah aplikasi yaitu PLN Mobile. Banyak pelanggan yang merasakan kemudahan dengan adanya aplikasi tersebut. Namun kini beberapa pelanggan mulai menjumpai permasalahan seperti gagal memuat lokasi saat melakukan pengaduan dan saat pembelian token dengan virtual account, saldo telah terpotong namun kode token tidak muncul. Penelitian ini melakukan analisis sentimen terhadap ulasan pengguna aplikasi PLN Mobile menggunakan pendekatan text mining. Pendekatan ini dapat melakukan klasifikasi sentimen pada ulasan pengguna dengan cepat. Data dikumpulkan menggunakan teknik scrapping pada Google Play Store dan mendapatkan 3000 baris data. Data tersebut kemudian diberi label oleh seorang pakar sehingga menghasilkan 2099 sentimen positif (69,97%), 368 netral (12,27%) dan 533 negatif (17,77%). Selanjutnya dilakukan pemodelan menggunakan algoritma NBC dan KNN dengan K-Fold Cross Validation sebagai teknik validasi. Hasilnya menunjukkan model NBC lebih baik dibandingkan KNN dengan akurasi sebesar 77,69%, recall 53,14%, precision 59,84% dan F1-Score 54,09%. Selanjutnya proses analisis dilakukan dengan visualisasi data menggunakan word cloud. Hasilnya yaitu dengan adanya aplikasi PLN Mobile memberikan kemudahan kepada pelanggan dalam menggunakan layanan PLN seperti pembelian token, pengaduan, dan berbagai fitur lainnya. Namun aplikasi PLN Mobile masih memiliki beberapa permasalahan yang sering menjadi ulasan penggunanya salah satunya adalah saat melakukan pembayaran token.