Analisis Sentimen Pinjaman Online terhadap Kepuasan dan Loyalitas Nasabah Adakami

Reza Pahlevi, Mohammad (2025) Analisis Sentimen Pinjaman Online terhadap Kepuasan dan Loyalitas Nasabah Adakami. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (1MB)
	PDF BAB_II.pdf Download (378kB)
	PDF BAB_III.pdf Download (406kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (2MB)
	PDF BAB_V.pdf Download (267kB)
	PDF DAFTAR_PUSTAKA.pdf Download (315kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (627kB)
	Archive (ZIP) CREATION_FILE.zip Download (3MB)

Abstract

Pasca pandemi COVID-19 pada tahun 2021, ekosistem pinjaman daring (fintech lending) di Indonesia mengalami pertumbuhan eksponensial. Sayangnya, tren positif ini tercederai oleh berbagai polemik, mulai dari suku bunga yang mencekik, metode penagihan intimidatif, hingga isu kebocoran privasi. Penelitian ini difokuskan untuk melakukan analisis sentimen terhadap ulasan pengguna aplikasi Adakami guna memetakan persepsi publik dan keluhan nasabah. Kerangka kerja metodologis yang diterapkan mengacu pada standar Knowledge Discovery in Databases (KDD), mencakup ekstraksi ulasan dari Google Play Store, pra-pemrosesan data, hingga ekstraksi fitur menggunakan Count Vectorizer. Guna mencapai presisi klasifikasi tertinggi, studi ini melakukan komparasi kinerja antara algoritma Support Vector Machine (SVM) dan Random Forest yang telah dioptimasi melalui teknik Optimasi Hyperparameter (Grid Search Cross-Validation). Hasil eksperimen menempatkan SVM sebagai model superior dengan akurasi 87,2%, melampaui Random Forest yang mencatatkan 80,7%. Lebih lanjut, analisis konten menyoroti dominasi sentimen negatif (40,74%) dengan kemunculan kata kunci 'teror' dan 'hapus'. Hal ini mengonfirmasi bahwa praktik penagihan yang tidak etis menjadi faktor determinan utama dalam sentimen negatif nasabah.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Reza Pahlevi, Mohammad (00000046140)
Contributors:	Desanti, Ririn Ikana
Keywords:	Adakami, Analisis Sentimen, Fintech Lending, KDD, Random Forest, Support Vector Machine (SVM)
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:	04 Feb 2026 08:02
URI:	https://kc.umn.ac.id/id/eprint/44561

Actions (login required)

View Item