<![CDATA[Pertumbuhan penggunaan layanan e-wallet di Indonesia meningkat pesat dalam beberapa tahun terakhir, khususnya pada platform DANA dan GoPay yang menjadi dua layanan dompet digital paling dominan. Meskipun demikian, masih terdapat banyak variasi pengalaman dan persepsi pengguna yang tercermin dalam ulasan pada marketplace maupun media sosial. Analisis terhadap ulasan tersebut sangat penting untuk memahami pola kepuasan, keluhan, dan ekspektasi pengguna guna meningkatkan kualitas layanan. Oleh karena itu, penelitian ini mengambil topik analisis pengelompokan ulasan pengguna untuk mengidentifikasi kelompok opini dominan yang dapat mendukung pengambilan keputusan strategis penyedia layanan e-wallet. Metode penelitian dilakukan melalui tahapan pengumpulan data ulasan pengguna, pembersihan teks (preprocessing), ekstraksi fitur menggunakan Term Frequency–Inverse Document Frequency (TF-IDF), serta proses pengelompokan menggunakan algoritma K-Means dan K-Medoids. Kedua algoritma ini dibandingkan untuk melihat model klasterisasi yang paling optimal berdasarkan nilai silhouette score. Hasil penelitian menunjukkan bahwa kedua metode mampu membentuk klaster opini yang jelas, seperti klaster kepuasan layanan, kecepatan transaksi, keluhan keamanan, dan masalah verifikasi akun. Namun, algoritma K-Medoids memberikan stabilitas klaster yang lebih baik pada data ulasan yang mengandung noise, sementara K-Means menunjukkan performa lebih efisien pada dataset berukuran besar. Temuan ini dapat menjadi dasar penting bagi penyedia e-wallet dalam merumuskan strategi peningkatan layanan berbasis data.]]>
Copyrights © 2025
