<![CDATA[Kemudahan dalam bertransaksi menggunakan layanan paylater telah memunculkan berbagai reaksi dari masyarakat, terutama di platform media sosial. Pandangan yang beragam, baik yang menekankan manfaat maupun potensi risiko dari layanan ini, menjadikan analisis sentimen penting untuk mendapatkan gambaran objektif atas opini publik. Penelitian ini bertujuan merancang sistem klasifikasi sentimen masyarakat terhadap layanan paylater ke dalam tiga kategori utama yaitu positif, negatif, dan netral, dengan memanfaatkan algoritma Support Vector Machine (SVM). Proses penelitian mencakup tahap pengumpulan data, pra-pemrosesan, pelabelan, serta pelatihan model. Data dikumpulkan dari unggahan Twitter yang menggunakan tagar #shopeepaylater, #gopaylater, dan #tiktokpaylater. Dari hasil evaluasi, pembagian data dengan proporsi 85% untuk pelatihan dan 15% untuk pengujian menghasilkan akurasi sebesar 83,5%. Capaian ini menunjukkan bahwa metode SVM cukup andal dalam mengelompokkan sentimen, dengan kecenderungan opini publik yang dominan bersifat negatif terhadap layanan tersebut.]]>
Copyrights © 2025
