Klasifikasi Ulasan Aplikasi Kredivo Berdasarkan Aspek Kepuasan Pengguna Dengan Metode SVM

Perkembangan sektor fintech di Indonesia telah mendorong terciptanya berbagai aplikasi pembayaran digital, salah satunya adalah Kredivo yang menyediakan kredit instan dan cicilan tanpa kartu kredit. Dalam penelitian ini, kami menganalisis dan mengklasifikasikan ulasan pengguna aplikasi Kredivo berdasarkan atribut kepuasan menggunakan metode Support Vector Machine (SVM). Data ulasan dikumpulkan dari Google Play Store dan diproses terlebih dahulu menggunakan text preprocessing, InSet dictionary-based sentiment tagging, TF-IDF feature extraction, dan splitting the training-test data dalam rasio 80:20. Berdasarkan analisis, sebagian besar ulasan pengguna Kredivo teramati bersentimen positif dalam 38,70%, sentimen negatif 26,90%, dan 34,40% netral. Model SVM yang dikembangkan untuk pelabelan sentimen ulasan Kredivo bekerja dengan positif, negatif, dan netral. Visualisasi word cloud mengenali kata-kata terpenting yang bernada positif seperti , "membantu", "kredivo", "bagus", serta kata-kata terpenting yang bernada negatif seperti , "aplikasi", "kredivo", "bayar", dan bernada netral seperti, "limit", "kredivo", "bayar". Hasil penelitian ini dapat menjadi umpan balik bagi pengembang Kredivo dan platform fintech lainnya untuk meningkatkan layanan berdasarkan kebutuhan dan permintaan pengguna, serta memperkuat strategi bisnis sesuai dengan tingkat kepuasan pelanggan.

Kata Kunci: Klasifikasi Teks, TF-IDF, Support Vector Machine (SVM), Kredivo, Analisis Sentimen