SENTIMENT ANALYSIS APPROACH TO USER PERCEPTIONS OF AMMANA SHARIA FINTECH BASED ON MACHINE LEARNING ALGORITHMS

Abstract

Penelitian ini bertujuan untuk menganalisis dan mengklasifikasikan sentimen pengguna terhadap aplikasi fintech syariah Ammana yang diunduh dari Google Play Store. Data penelitian diperoleh melalui proses web scraping terhadap komentar pengguna, kemudian dilakukan pra-pemrosesan teks meliputi case folding, stopword removal, stemming, dan tokenisasi menggunakan pustaka Sastrawi pada bahasa pemrograman Python melalui Google Colab. Penelitian menggunakan pendekatan kuantitatif komparatif dengan membandingkan tiga algoritma machine learning, yaitu Support Vector Classifier (SVC), Multinomial Naive Bayes (MNB), dan Random Forest (RF). Hasil klasifikasi menunjukkan bahwa SVC memiliki performa terbaik dengan nilai akurasi 91,80%, presisi 92,67%, recall 91,80%, dan F1-score 91,99%. Sementara itu, Random Forest menempati posisi kedua dengan akurasi 87,98%, sedangkan Naive Bayes memperoleh nilai terendah dengan akurasi 85,24%. Secara keseluruhan, temuan ini mengindikasikan bahwa algoritma SVC paling efektif dalam mendeteksi sentimen positif, negatif, dan netral pengguna terhadap aplikasi Ammana. Dari perspektif bisnis dan industri financial technology (fintech), hasil ini menunjukkan bahwa analisis sentimen dapat digunakan sebagai alat strategis untuk memantau persepsi publik, meningkatkan pengalaman pengguna (user experience), serta memperkuat kepercayaan terhadap layanan keuangan digital berbasis syariah.