Publisher

AKRABJUARAAKRABJUARA

Journal Akrab Juara : Jurnal Ilmu-ilmu SosialAkrab Juara : Jurnal Ilmu-ilmu Sosial Abstract

Investasi merupakan salah satu cara paling efektif untuk meraih keuntungan finansial jangka panjang. Saat ini, banyak platform digital yang menawarkan layanan investasi, termasuk aplikasi Ajaib. Meningkatnya minat masyarakat untuk berinvestasi didorong oleh influencer dan iklan daring, namun juga menyebabkan maraknya skema penipuan dan platform investasi palsu. Oleh karena itu, mengevaluasi kepuasan pengguna melalui analisis sentimen ulasan aplikasi menjadi penting. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi investasi Ajaib berdasarkan ulasan yang dikumpulkan dari Google Play Store. Dataset ini terdiri dari ulasan berbahasa Indonesia dari periode 2019–2024, yang diolah menggunakan Google Colab dan algoritma BERT (Bidirectional Encoder Representations from Transformers). Hasil klasifikasi menghasilkan 1.393 ulasan, yang terdiri dari 696 sentimen positif dan 697 sentimen negatif, yang menunjukkan bahwa opini negatif sedikit lebih dominan. Model ini mencapai akurasi 85%, skor F1 85%, recall 85%, dan presisi 87%, yang menunjukkan bahwa algoritma BERT bekerja efektif dalam analisis sentimen untuk aplikasi terkait investasi.

Conclusion

393 dataset, dengan 696 ulasan positif dan 697 ulasan negatif.Penelitian ini menyimpulkan bahwa pengguna aplikasi Ajaib memiliki lebih banyak ulasan negatif.Hasil penelitian menunjukkan akurasi sebesar 85%, skor F1 sebesar 85%, recall sebesar 85%, dan presisi sebesar 87%.Penelitian ini menunjukkan hubungan antara informasi dan kepuasan pengguna, sehingga memungkinkan perusahaan untuk memahami kebutuhan pengguna di masa depan.Penelitian ini menemukan sejumlah besar ulasan negatif, yang dapat memengaruhi kepercayaan pengguna terhadap aplikasi Ajaib.Oleh karena itu, aplikasi Ajaib harus meningkatkan sistemnya di masa depan untuk mendapatkan lebih banyak ulasan positif dan meningkatkan kepercayaan pengguna.

Future Research

Berdasarkan temuan penelitian ini, beberapa saran penelitian lanjutan dapat diajukan. Pertama, penelitian selanjutnya dapat mengeksplorasi penggunaan teknik deep learning yang lebih canggih, seperti transformer yang lebih besar atau model ensemble, untuk meningkatkan akurasi analisis sentimen. Hal ini dapat membantu dalam mengidentifikasi nuansa emosi yang lebih halus dalam ulasan pengguna. Kedua, penelitian dapat memperluas cakupan analisis sentimen dengan mempertimbangkan faktor-faktor lain yang memengaruhi persepsi pengguna, seperti fitur aplikasi, layanan pelanggan, dan kinerja investasi. Dengan menggabungkan data dari berbagai sumber, penelitian dapat memberikan pemahaman yang lebih komprehensif tentang pengalaman pengguna. Ketiga, penelitian dapat menyelidiki dampak sentimen pengguna terhadap perilaku investasi, seperti keputusan pembelian, retensi pelanggan, dan rekomendasi. Dengan memahami bagaimana sentimen memengaruhi perilaku investasi, perusahaan dapat mengembangkan strategi pemasaran yang lebih efektif dan meningkatkan loyalitas pelanggan. Dengan demikian, penelitian lanjutan dapat memberikan wawasan berharga bagi perusahaan investasi untuk meningkatkan kualitas layanan dan membangun kepercayaan pengguna.

References

1. Sentiment Analysis Comments Covid-19 Variant Omicron on Social Media Instagram with Bidirectional Encoder... doi.org/10.32503/jtecs.v3i1.3219Sentiment Analysis Comments Covid 19 Variant Omicron on Social Media Instagram with Bidirectional Encoder doi 10 32503 jtecs v3i1 3219
2. Komparasi Algoritma Random Forest, Naïve Bayes, dan Bert Untuk Multi-Class Classification Pada Artikel... esensijournal.com/index.php/infokom/article/view/386Komparasi Algoritma Random Forest Nayve Bayes dan Bert Untuk Multi Class Classification Pada Artikel esensijournal index php infokom article view 386
3. Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes | Gunawan | JEPIN (Jurnal... jurnal.untan.ac.id/index.php/jepin/article/view/27526Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes Gunawan JEPIN Jurnal jurnal untan ac index php jepin article view 27526

Metadata

File size	722.35 KB
Pages	14
DMCA	Report