Analisis Sentimen dan Topik pada Layanan Keuangan Digital: Studi Kasus Shopee PayLater

Patricia, Marsella (2025) Analisis Sentimen dan Topik pada Layanan Keuangan Digital: Studi Kasus Shopee PayLater. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (540kB)
	PDF BAB_II.pdf Download (481kB)
	PDF BAB_III.pdf Download (400kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (2MB)
	PDF BAB_V.pdf Download (230kB)
	PDF DAFTAR_PUSTAKA.pdf Download (242kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (395kB)

Abstract

Pesatnya perkembangan teknologi digital dan penetrasi media sosial di Indonesia mendorong perubahan pola konsumsi masyarakat, termasuk dalam pemanfaatan layanan keuangan digital seperti paylater. Shopee PayLater menjadi layanan paylater yang paling banyak digunakan Gen Z dan Milenial di Indonesia, sehingga penting untuk memahami persepsi pengguna terhadap layanan ini. Media sosial, seperti Twitter dan Instagram, menjadi saluran utama bagi pengguna untuk menyampaikan opini dan pengalaman mereka secara langsung dan terbuka. Penelitian ini menggunakan pendekatan CRISP-DM dalam menganalisis data sentimen dan topik dari komentar pengguna Shopee PayLater. Data dikumpulkan melalui teknik crawling dari media sosial, kemudian diproses melalui tahapan preprocessing teks dan pelabelan manual sentimen. Dua algoritma yaitu Support Vector Machine (SVM) dan Long Short-Term Memory (LSTM) digunakan untuk klasifikasi sentimen, sedangkan algoritma Latent Dirichlet Allocation (LDA) digunakan untuk pemodelan topik guna mengidentifikasi tema dominan dalam setiap kategori sentimen. Hasil penelitian menunjukkan bahwa model LSTM memberikan performa terbaik dengan akurasi 90,04%, dibandingkan SVM yang mencapai akurasi 88,80%. LDA berhasil mengelompokkan lima topik utama dalam sentimen positif maupun negatif, yang mencerminkan kepuasan maupun keluhan pengguna terhadap layanan Shopee PayLater. Integrasi analisis sentimen berbasis deep learning dan topic modeling memberikan gambaran yang lebih komprehensif terhadap persepsi pengguna, serta dapat menjadi acuan bagi pengembangan strategi layanan digital di masa depan.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Patricia, Marsella (00000063226)
Contributors:	Setiawan, Johan
Keywords:	Analisis Sentimen, LDA, LSTM, Media Sosial, Shopee PayLater,
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	10 Sep 2025 05:48
URI:	https://kc.umn.ac.id/id/eprint/40498

Actions (login required)

View Item