<![CDATA[Penelitian ini bertujuan mengevaluasi sentimen pengguna berdasarkan ulasan aplikasi Indodana di Play Store, menggunakan algoritma Logistic Regression, Naive Bayes, dan Support Vector Machine (SVM). Tujuan utama studi ini adalah mengidentifikasi dan mengklasifikasikan ulasan sentimen positif atau negatif, serta mengevaluasi efektivitas sentimen analisis pada produk Paylater dan Pinjaman Online (Pinjol) untuk melihat potensi ketertarikan pengguna terhadap layanan yang ditawarkan. Selain itu, penelitian ini bertujuan untuk membandingkan keakuratan dan performa masing-masing algoritma, guna menentukan algoritma yang paling efektif dalam menganalisis sentimen. Setelah menerapkan algoritma Logistic Regression menghasilkan akurasi 92,01%, presisi 92,12%, recall 91,87%, dan f1-score 91,96%. Sementara itu, algoritma Naive Bayes, diperoleh hasil dengan hasil akurasi 80,91% , presisi 80,69%, recall 80,36% , dan f1-score 80,54%.Di sisi lain, algoritma SVM mencatatkan nilai akurasi 92,63%, presisi 92,17%, recall 91,98%, dan f1-score 92,06%. Pernyataan ini menunjukkan bahwa dalam penelitian ini, algoritma SVM memiliki performa yang lebih baik dibandingkan Logistic Regression, dan Naive Bayes. Diharapkan hasil penelitian ini dapat memberikan pemahaman yang lebih mendalam dan berguna untuk pengembangan aplikasi Indodana serta aplikasi-aplikasi serupa, dengan membantu perusahaan memahami umpan balik pengguna secara lebih mendetail. Dengan demikian, penelitian ini dapat berkontribusi pada perumusan strategi pemasaran yang lebih tepat sasaran serta peningkatan kualitas produk dan layanan yang lebih baik. Penelitian ini juga diharapkan dapat menjadi referensi untuk penelitian selanjutnya di bidang sentimen analisis pada Paylater dan Pinjaman Online, sehingga dapat memberikan nilai tambah bagi perusahaan-perusahaan yang bergerak di sektor keuangan digital.]]>
Copyrights © 2025
