PENGEMBANGAN MODEL ANALISIS SENTIMEN APLIKASI FINTECH DENGAN ALGORITMA KLASIFIKASI DAN TF-IDF

Perkembangan pesat teknologi finansial di Indonesia telah mendorong penggunaan aplikasi dompet digital (e-wallet) secara signifikan. Meskipun popularitasnya tinggi, perbedaan nilai ulasan yang terlihat pada aplikasi DANA, OVO, dan LinkAja mengindikasikan adanya variasi tingkat kepuasan pengguna. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna dari ketiga aplikasi tersebut, mengidentifikasi persepsi mereka, serta mengevaluasi kinerja berbagai algoritma klasifikasi. Metode yang digunakan adalah eksperimen komparatif dengan menguji Decision Tree, K-Nearest Neighbour (K-NN), Random Forest, Naïve Bayes, Support Vector Machine (SVM), dan Neural Network menggunakan data ulasan yang dikumpulkan dari Google Play Store. Berdasarkan hasil evaluasi, Random Forest terbukti menjadi model paling efektif dengan akurasi tertinggi sebesar 81.18%, serta presisi, recall, dan f1-Score yang seimbang. Kinerja terbaik kedua dicapai oleh Neural Network dengan 2000 neuron, yang menunjukkan akurasi sebesar 77.73%. Penelitian ini menyimpulkan bahwa Random Forest adalah algoritma yang paling optimal untuk analisis sentimen pada ulasan e-wallet, memberikan wawasan berharga bagi pengguna aplikasi fintech e-wallet dalam memahami opini.