ANALISIS SENTIMEN ULASAN PENGGUNA SHOPEEPAY DI INSTAGRAM MENGGUNAKAN ALGORITMA RANDOM FOREST
DOI:
https://doi.org/10.23960/jitet.v13i3S1.7753Abstract Views: 49 File Views: 28
Keywords:
Sentiment Analysis, Shopeepay, Support Vector Machine, Random Forest, InstagramAbstract
Perkembangan teknologi digital telah mendorong transformasi signifikan dalam industri keuangan, khususnya melalui hadirnya layanan dompet digital seperti ShopeePay. layanan ini menjadi bagian penting dalam ekosistem pembayaran digital di Indonesia dan banyak digunakan oleh masyarakat untuk berbagai aktivitas transaksi. Namun, meningkatnya jumlah pengguna juga diiringi dengan beragam opini dan ulasan yang diungkapkan melalui media sosial seperti Instagram. Ulasan Negatif membuat orang yang akan menggunakan aplikasi shopeepay mengurangi kepercayaannya kepada aplikasi tersebut. Untuk menganalisis hal tersebut maka diperlukan metode dan analisis komentar pengguna kedalam kategori positif dan negatif. Penelitian ini menggunakan metode Support Vector Machine (SVM) dan Random Forestuntuk di uji atu per satu. Metode penelitian meliputi pengumpulan datakomentar melalui preprocessing teks, pelabelan sentimen, dan klasifikasi menggunakan kedua algoritma tersebut. Penelitian ini memberikan kontribusi dalam memahami persepsi publik terhadap layanan keuangan digital serta menjadi dasar pengambilan keputusan untuk peningkatan kualitas layanan berbasis opini pengguna.
Downloads
References
DAFTAR PUSTAKA
Bank Indonesia, “Statistik Uang Elektronik,” 2024. [Online]. Available: https://www.bi.go.id. [Accessed: Aug. 10, 2025].
B. Pang and L. Lee, “Opinion mining and sentiment analysis,” Foundations and Trends in Information Retrieval, vol. 2, no. 1–2, pp. 1–135, 2008.
N. A. Hapsari and A. D. Indriyanti, “Analisis sentimen pada aplikasi dompet digital menggunakan algoritma Random Forest,” EISSN 2774-3993 Jurnal Teknologi Informasi dan Komputer, vol. 5, no. 2, pp. 112–120, 2023.
N. Habibah, “Analisis sentimen mengenai penggunaan e-wallet pada Google Play menggunakan lexicon based dan K-Nearest Neighbor,” KLIK: Kajian Ilmiah Informatika dan Komputer, vol. 4, no. 1, pp. 208–217, Aug. 2023.
F. M. D. Maharani, A. L. Hananto, S. S. Hilabi, F. N. Apriani, A. Hananto, and B. Huda, “Perbandingan metode klasifikasi sentimen analisis penggunaan e-wallet menggunakan algoritma Naïve Bayes dan K-Nearest Neighbor,” METIK Jurnal, vol. 6, no. 2, pp. 101–110, 2022.
H. M. Putri, M. Faisal, and M. F. Kurniawan, “Analisis sentimen berbasis aspek pada ulasan pengguna aplikasi dompet digital menggunakan metode Multinomial Naïve Bayes,” International Journal of Computer Science, vol. 13, no. 5, pp. 215–225, Oct. 2024.
L. Zhang, R. Ghosh, M. Dekhil, M. Hsu, and B. Liu, “Combining lexicon-based and learning-based methods for Twitter sentiment analysis,” HP Laboratories Technical Report, vol. HPL-2011-89, pp. 1–15, 2011.
R. Feldman and J. Sanger, The Text Mining Handbook: Advanced Approaches in Analyzing Unstructured Data. Cambridge, UK: Cambridge University Press, 2007.
Instagram, “About Instagram,” 2024. [Online]. Available: https://about.instagram.com. [Accessed: Aug. 10, 2025].
I. S. Widianto, Y. R. Ramadhan, and M. A. Komara, “Analisis teknik e-wallet GoPay, ShopeePay dan OVO menggunakan algoritma Naïve Bayes,” Jurnal Informatika dan Teknik Elektro Terapan (JITET), vol. 12, no. 3S1, 2025. DOI: 10.23960/jitet.v12i3S1.5277.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Jurnal Informatika dan Teknik Elektro Terapan
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
