KOMPARASI ALGORITMA RANDOM FOREST CLASSIFIER DAN SUPPORT VECTOR MACHINE UNTUK SENTIMEN MASYARAKAT TERHADAP PINJAMAN ONLINE DI MEDIA SOSIAL

Dhea Annisa Fitri
Damayanti Damayanti


DOI: https://doi.org/10.29100/jipi.v9i4.5608

Abstract


Perkembangan di sektor keuangan, terutama dengan kemunculan teknologi keuangan (fintech), telah membawa beragam layanan keuangan yang menggunakan teknologi, termasuk layanan pinjaman online. Fenomena pinjaman online menjadi sorotan utama di Indonesia, baik dari segi hukum maupun dampaknya terhadap masyarakat. Dalam konteks ini, penting untuk mengkaji analisis sentimen masyarakat terhadap pinjaman online yang tersebar di berbagai platform media sosial. Penelitian ini memiliki tujuan untuk membandingkan performa dua algoritma klasifikasi, yakni Random Forest dan Support Vector Machine (SVM), dalam menganalisis sentimen terhadap opini masyarakat terkait pinjaman online di media sosial, khususnya di platform Twitter. Metode penelitian mencakup proses pengumpulan data melalui pengambilan data pada platform Twitter, pemrosesan data untuk membersihkan dan memformat dataset, serta memberi label pada data untuk mengkategorikan opini sebagai positif atau negatif. Langkah selanjutnya melibatkan klasifikasi data, yang diikuti dengan evaluasi menggunakan Confusion Matrix untuk menilai performa kedua algoritma. Temuan penelitian menunjukkan bahwa kedua algoritma mampu melakukan klasifikasi dengan baik setelah data disesuaikan, namun Random Forest mencapai akurasi 100% sedangkan SVM mencapai 99%. Walaupun begitu, secara keseluruhan, Random Forest menunjukkan hasil yang lebih baik dengan akurasi yang lebih tinggi

Keywords


Analisis Sentimen, Fintech, Pinjaman Online, Random Forest, Support Vector Machine

Full Text:

PDF

Article Metrics :

References


F. Syifa Et Al., “Analysis Of Bsi Readiness In Facing The Development Of Fintech-Based,” Vol. 10, No. 1, Pp. 1–10, 2023.

I. Zuchroh, “Fintech Syariah: Kolaborasi Teknologi Dan Moral Sebagai Instrumen Pembiayaan Di Masa Depan,” Ecoplan, Vol. 4, No. 2, Pp. 122–130, 2021, Doi: 10.20527/Ecoplan.V4i2.383.

A. Abdullah, “Analisis Pengetahuan Pinjaman Online Pada Masyarakat Surakarta,” Jesi (Jurnal Ekon. Syariah Indones., Vol. 11, No. 2, P. 108, 2021, Doi: 10.21927/Jesi.2021.11(2).108-114.

A. Savitri, A. Syahputra, H. Hayati, And H. Rofizar, “Pinjaman Online Di Masa Pandemi Covid-19 Bagi Masyarakat Aceh,” E-Mabis J. Ekon. Manaj. Dan Bisnis, Vol. 22, No. 2, Pp. 116–124, 2021, Doi: 10.29103/E-Mabis.V22i2.693.

M. F. Azis And N. D. Rahmawati, “Tinjauan Hukum Terhadap Perjanjian Pinjaman Online Dan Penggunaan Data Konsumen Aplikasi ‘Kredit Pintar,’” Fortioro Law J., Vol. 1, No. 1, P. 5, 2021.

B. P. Meliani, O. N. Pratiwi, And R. Andreswari, “Comparison Of Support Vector Machine And Random Forest Algorithms In Sentiment Analysis On Covid-19 Vaccination On Twitter Using Vader And Textblob Labelling,” Proc. Int. Conf. Appl. Sci. Technol. Soc. Sci. 2022 (Icast-Ss 2022), Pp. 620–626, 2022, Doi: 10.2991/978-2-494069-83-1_108.

H. Syahputra And A. Wibowo, “Comparison Of Support Vector Machine (Svm) And Random Forest Algorithm For Detection Of Negative Content On Websites,” J. Ilm. Tek. Elektro Komput. Dan Inform., Vol. 9, No. 1, Pp. 165–173, 2023, Doi: 10.26555/Jiteki.V9i1.25861.

N. Wahyuningsih And H. Hendry, “Perbandingan Metode Klasifikasi Dalam Analisis Sentimen Masyarakat Terhadap Identitas Kependudukan Digital (Ikd),” Jipi (Jurnal Ilm. Penelit. Dan Pembelajaran Inform., Vol. 8, No. 4, Pp. 1218–1227, 2023, Doi: 10.29100/Jipi.V8i4.4155.

D. C. Ramadhan And F. Irwiensyah, “Analisis Sentimen Pengguna Terhadap Aplikasi Bing Chat Di Google Play Store Dengan Metode Naïve Bayes,” Vol. 4, No. 5, Pp. 2410–2418, 2024, Doi: 10.30865/Klik.V4i5.1769.

S. Wulandari And F. N. Hasan, “Analisis Sentimen Masyarakat Indonesia Terhadap Pengalaman Belanja Thrifting Pada Media Sosial Twitter Menggunakan Algoritma Naïve Bayes,” Vol. 8, No. April, Pp. 768–776, 2024, Doi: 10.30865/Mib.V8i2.7520.

P. M. S. Ardinata, A. A. J. Permana, I. N. S. W. Wijaya, F. Teknik, And D. Kejuruan, “Identifikasi Dan Normalisasi Teks Slang Dengan Fasttext Pada Twitter Dalam Bahasa Indonesia,” J. Pendidik. Teknol. Dan Kejuru., Vol. 21, No. 1, 2024.

Z. H. Nst Et Al., “Perbandingan Algoritma Random Forest Dan K-Nearest,” No. 01, Pp. 31–37.

D. Ananda And R. R. Suryono, “Analisis Sentimen Publik Terhadap Pengungsi Rohingya Di Indonesia Dengan Metode Support Vector Machine Dan Naïve Bayes,” Vol. 8, No. April, Pp. 748–757, 2024, Doi: 10.30865/Mib.V8i2.7517.

Jan Melvin Ayu Soraya Dachi And Pardomuan Sitompul, “Analisis Perbandingan Algoritma Xgboost Dan Algoritma Random Forest Ensemble Learning Pada Klasifikasi Keputusan Kredit,” J. Ris. Rumpun Mat. Dan Ilmu Pengetah. Alam, Vol. 2, No. 2, Pp. 87–103, 2023, Doi: 10.55606/Jurrimipa.V2i2.1470.

M. R. Sholahuddin, F. Atqiya, S. R. Wulan, M. Harika, S. Fitriani, And Y. Sofyan, “Implementasi Sistem Identifikasi Senjata Real Time Menggunakan Yolov7 Dan Notifikasi Chat Telegram,” J. Inf. Syst. Res., Vol. 4, No. 2, Pp. 598–606, 2023, Doi: 10.47065/Josh.V4i2.2774.