Analisis Sentimen pada Aplikasi Pinjaman Online Easycash Menggunakan Algoritma Naïve Bayes di Media Sosial Twitter

Melda, Melda
Cipta, Subhan Panji
Nurhaeni, Nurhaeni
Mambang, Mambang
Adini, Muhammad Hifdzi

Jurnal Nasional Komputasi dan Teknologi Informasi
Vol 7, No 4 (2024): Agustus 2024

Abstrak - Pinjaman online EasyCash merupakan salah satu aplikasi pinjaman online yang banyak digunakan oleh masyarakat di berbagai kalangan dan hal tersebut membentuk opini masyarakat yang beraneka ragam baik itu bersifat postif ataupun negatif karena berdasarkan pengalam pribadi ataupun pengalam orang lain. Media sosial adalah tempat yang paling dirasa efektif dan praktis dalam menyampaikan pendapat bagi para pengguna khususnya pada media sosial Twitter. Penelitian ini bertujuan untuk mengtahui sentimen masyarakat terhadap pinjaman online EasyCash dan menerapkan algoritma Naïve Bayes dalam melakukan analisis sentimen, Dalam mengumpulkan data dan informasi dengan menggunakan metode eksperimenta. Berdasarkan hasil yang didapatkan mengenai analisis sentimen pada pinjaman online EasyCash di media sosial Twitter berhasil mengimplementasikan algoritma Naïve Bayes dengan akurasi sebesar 87%, pada label positif mendapatkan nilai precision 92%, recall 76%, f1-score 83% dan pada label negatif mendapatkan nilai precesion 85%, recall 95% dan f1-score 90%. Masyarakat cenderung memberikan komentar negatif dengan jumlah 688 data dan komentar positif dengan jumlah 362 data.  Kata kunci: analisis sentimen, easycash, naïve bayes, twitter Abstract - EasyCash online loan  is one of the online loan applications  that is widely used by people in various circles and it forms a variety of public opinions, both positive and negative because it is based on personal experience or other people's experience. Social media is the most effective and practical place to express opinions for users, especially on Twitter social media. This study aims to find out the public's sentiment towards EasyCash online lending  and apply the Naïve Bayes algorithm  in conducting sentiment analysis, in collecting data and information using experimental methods. Based on the results obtained regarding sentiment analysis on EasyCash online loans  on social media, Twitter successfully implemented the Naïve Bayes algorithm  with an accuracy of 87%, on the positive label it got a precision score  of 92%, recall 76%, f1-score 83% and on the negative label got  a precesion value 85%, recall 95% and f1-score 90%. The public tends to give negative comments with a total of 688 data and positive comments with a total of 362 data.  Keywords: analisis sentimen, easycash, naïve bayes, twitter