Abstract:
Perkembangan teknologi finansial (fintech) seperti aplikasi dompet digital OVO
telah
mengubah pola transaksi masyarakat. Namun, masalah seperti
ketidakstabilan server dan pengalaman pengguna yang kurang memuaskan sering
muncul di media sosial. Penelitian ini bertujuan untuk menganalisis sentimen
pengguna OVO di platform X (sebelumnya Twitter) dengan membandingkan
kinerja dua algoritma machine learning, yaitu Naïve Bayes dan Support Vector
Machine (SVM). Data diperoleh melalui web scraping dari 1000 tweet berbahasa
Indonesia dengan kata kunci "OVO". Tahapan penelitian meliputi text
preprocessing (pembersihan data, tokenisasi, penghapusan stopword), ekstraksi
fitur menggunakan TF-IDF, serta klasifikasi sentimen (positif, negatif, netral).
Hasil evaluasi menunjukkan bahwa SVM mencapai akurasi tertinggi sebesar
85,2%, sedangkan Naïve Bayes mencapai 78,5%. Metode SVM juga unggul
dalam presisi (87%) dan recall (83%) karena kemampuannya menangani data
tidak linear. Temuan ini memberikan rekomendasi kepada pengembang OVO
untuk meningkatkan stabilitas server dan fitur berdasarkan keluhan pengguna.
Penelitian ini juga menjadi referensi bagi pengembangan analisis sentimen dengan
pendekatan komparasi algoritma.
