Klasifikasi Sentimen Terhadap Pinjaman Online (Pinjol) Menggunakan Algoritma Naive Bayes

Topan Ramadhan; Deden Wahiddin; Elsa Awal

Topan Dedi Ramadhan Universitas Buana Perjuangan Karawang
Deden Wahiddin Universitas Buana Perjuangan Karawang
Elsa Elvira Awal Universitas Buana Perjuangan Karawang

Keywords: Analisis sentimen, Klasifikasi Naive Bayes, Pinjaman Online

Abstract

Program pinjaman online merupakan salah satu contoh platform jasa keuangan yang ditawarkan langsung oleh pelaku usaha fintech. Seiring banyaknya penyedia pinjaman online, masyarakat akan lebih banyak lagi membicarakan aplikasi pinjaman online. Pendapat yang diberikan masyarakat terhadap pinjaman online (pinjol) berupa positif dan negatifnya dari penyedia jasa pinjaman online tersebut. Analisis sentimen merupakan sebuah studi dari komputasi yang mengekspresikan sebuah sentimen, opini, evaluasi, sikap, emosi, penilaian maupun pandangan terhadap suatu teks. Pada suatu teks tersebut dapat dikategorikan kedalam nilai positif, negatif maupun netral. Klasifikasi naive bayes adalah perhitungan untuk pengelompokan berdasarkan hipotesis bayes dan digunakan untuk mencari kemungkinan atau kemungkinan suatu kelas dengan kecurigaan bahwa satu kelas dengan kelas lain biasanya tidak bergantung atau bebas. Berdasarkan hasil penelitian menggunakan algoritma naive bayes terhadap 650 data dengan 80% digunakan untuk data treining serta 20% digunakan untuk data testing diperoleh hasil akurasi sebesar 75%.

References

[1] R. A. E. Wahyuni and B. E. Turisno, “Praktik Finansial Teknologi Ilegal Dalam Bentuk Pinjaman Online Ditinjau Dari Etika Bisnis,” J. Pembang. Huk. Indones., vol. 1, no. 3, pp. 379–391, 2019, doi: 10.14710/jphi.v1i3.379- 391.
[2] A. Pak and P. Paroubek, “Twitter as a corpus for sentiment analysis and opinion mining,” Proc. 7th Int. Conf. Lang. Resour. Eval. Lr. 2010, pp. 1320–1326, 2010, doi: 10.17148/ijarcce.2016.51274.
[3] B. Liu and B. Liu, “Sentiment Analysis : A Multi-Faceted Problem Sentiment Analysis : A Multi-Faceted Problem,” no. March, pp. 2–7, 2010.
[4] A. H. Ruger, M. Suyanto, and M. P. Kurniawan, “Sentimen Analisis Pelanggan Shopee di Twitter dengan Algoritma Naive Bayes,” J. Inf. Technol., vol. 1, no. 2, pp. 26–29, 2021, doi: 10.46229/jifotech.v1i2.282.
[5] A. Deviyanto and M. D. R. Wahyudi, “Penerapan Analisis Sentimen Pada Pengguna Twitter Menggunakan Metode K-Nearest Neighbor,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 3, no. 1, p. 1, 2018, doi: 10.14421/jiska.2018.31-01.
[6] E. Indrayuni, “Komparasi Algoritma Naive Bayes Dan Support Vector Machine Untuk Analisa Sentimen Review Film,” J. Pilar Nusa Mandiri, vol. 14, no. 2, p. 175, 2018, doi: 10.33480/pilar.v14i2.918.
[7] A. Sari, F. V., & Wibowo, “Analisis Sentimen Pelanggan Toko Online Jd. Id Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 2, no. 2, pp. 681–686, 2019.
[8] T. A. Aliah, “PENERAPAN METODE NAIVE BAYES DALAM ANALISIS SENTIMEN PADA DATA TWITTER (STUDI KASUS: HASIL DEBAT CALON PRESIDEN 2019),” Digit. Repos. Univ. Jember, no. September 2019, pp. 2019 2022, 2019.