<![CDATA[The development of online lending services within financial technology has made financing easier for the public. Still, it has also given rise to problems such as high interest rates, a lack of cost transparency, and service issues that lead to user complaints. These issues are reflected in the large number of unstructured user reviews on the Google Play Store, making them difficult to analyze manually. This situation requires applying data-driven analysis methods to understand sentiment patterns and user characteristics in online lending applications. This study aims to analyze sentiment and group users of online lending applications based on Indonesian-language reviews on the Google Play Store for 2026. The methods used are data mining using a text-mining approach and unsupervised learning. The research stages include data collection, text preprocessing, feature extraction using TF-IDF, and data clustering using the K-Means algorithm with the help of Google Colab and the Orange application. The results are expected to produce user clusters with distinct sentiment characteristics and provide an overview of user perception patterns. These findings can be used as academic references and evaluation materials for online lending service providers to improve service quality.Perkembangan layanan pinjaman online sebagai bagian dari teknologi finansial telah memberikan kemudahan akses pembiayaan bagi masyarakat, namun di sisi lain memunculkan berbagai permasalahan seperti tingginya suku bunga, kurangnya transparansi biaya, serta pelayanan yang menimbulkan keluhan pengguna. Permasalahan tersebut tercermin dalam ulasan pengguna pada platform Google Play Store yang jumlahnya besar dan bersifat tidak terstruktur, sehingga sulit dianalisis secara manual. Kondisi ini menuntut penerapan metode analisis berbasis data untuk memahami pola sentimen dan karakteristik pengguna aplikasi pinjaman online. Penelitian ini bertujuan untuk menganalisis sentimen serta mengelompokkan pengguna aplikasi pinjaman online berdasarkan ulasan berbahasa Indonesia pada Google Play Store periode 2026. Metode yang digunakan adalah data mining dengan pendekatan text mining dan unsupervised learning. Tahapan penelitian meliputi pengumpulan data, preprocessing teks, ekstraksi fitur menggunakan TF-IDF, serta pengelompokan data menggunakan algoritma K-Means dengan bantuan Google Colab dan aplikasi Orange. Hasil penelitian diharapkan menghasilkan klaster pengguna dengan karakteristik sentimen yang berbeda dan memberikan gambaran pola persepsi pengguna. Temuan ini dapat dimanfaatkan sebagai referensi akademik serta bahan evaluasi bagi penyedia layanan pinjaman online dalam meningkatkan kualitas layanan]]>
Copyrights © 2026
