Analisis Sentimen Ulasan Aplikasi Pinjaman Online Adakami Pada Appstore Menggunakan Algoritma SVM dan Naive Bayes

Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengguna terhadap aplikasi pinjaman online AdaKami yang diambil dari platform App Store menggunakan teknik web scraping. Dari total 2000 ulasan yang dikumpulkan, sebanyak 1000 data dipilih dan diberi label secara manual oleh dua pakar linguistik. Sentimen dikategorikan menjadi tiga kelas: positif, netral, dan negatif. Dua algoritma digunakan dalam proses klasifikasi, yaitu Support Vector Machine (SVM) dan Naïve Bayes (NB), dengan representasi fitur menggunakan metode TF-IDF. Evaluasi kinerja model dilakukan menggunakan metrik akurasi, presisi, recall, F1-score, confusion matrix, cross-validation, dan uji statistik paired t-test. Hasil menunjukkan bahwa SVM memiliki performa lebih baik dengan akurasi 97,5% dan F1-score 0,97, sedangkan Naïve Bayes mencatatkan akurasi 81,4% dan F1-score 0,77. Uji statistik membuktikan perbedaan performa kedua model signifikan secara statistik (p < 0,05). Model SVM kemudian digunakan untuk memprediksi 971 ulasan tanpa label, yang menunjukkan dominasi sentimen negatif. Temuan ini memberikan wawasan bagi pengembang dan pemangku kepentingan dalam meningkatkan kualitas layanan dan perlindungan pengguna di sektor fintech.

Kata Kunci: AdaKami, App Store, Analisis Sentimen, Naïve Bayes, Support Vector Machine, TF-IDF