Abstract:
Pertumbuhan aplikasi keuangan digital di Indonesia terus meningkat, termasuk
aplikasi MIFX yang digunakan untuk aktivitas trading forex secara online.
Banyaknya ulasan pengguna di Google Play Store menjadi sumber penting untuk
menilai kualitas layanan dan pengalaman pengguna terhadap aplikasi tersebut.
Namun, bentuk ulasan yang tidak terstruktur dan menggunakan bahasa informal
membuat analisis manual menjadi sulit dilakukan. Penelitian ini bertujuan untuk
menganalisis sentimen ulasan pengguna terhadap aplikasi MIFX dengan
menggabungkan metode VADER dan Naïve Bayes. Data ulasan dikumpulkan
menggunakan teknik web scraping dari Google Play Store, kemudian melalui
tahapan preprocessing seperti cleaning, case folding, normalisasi, translasi ke
Bahasa Inggris, tokenisasi, stopword removal, dan stemming. Metode VADER
digunakan untuk memberikan label sentimen positif dan negatif, sedangkan Naïve
Bayes digunakan untuk melakukan klasifikasi berdasarkan pembobotan TF-IDF.
Hasil evaluasi menunjukkan bahwa model Naïve Bayes mampu mencapai akurasi
sebesar 85,48%, dengan performa terbaik pada sentimen positif (precision 90%,
recall 91%, F1-score 90%) dan performa lebih rendah pada sentimen negatif
(precision 72%, recall 67%, F1-score 70%). Berdasarkan hasil pelabelan
menggunakan VADER, dari 3.409 ulasan yang dianalisis, sebanyak 76,3%
termasuk kategori positif dan 23,7% negatif. Hasil ini menunjukkan bahwa persepsi
mayoritas pengguna terhadap aplikasi MIFX cenderung positif. Seluruh alur
penelitian juga diimplementasikan ke dalam sebuah prototipe aplikasi web yang
mampu menampilkan hasil analisis sentimen secara interaktif dan real-time sebagai
bentuk implementasi sistem.
