PENERAPAN MULTINOMIAL NAÏVE BAYES UNTUK KLASIFIKASI SENTIMEN PADA ULUSAN PENGGUNA KREDIVO

Ariska Sari; Bambang Irawan; Ahmad Faqih; Arif Rinaldi Dikananda; Fathurrohman .

Authors

Ariska Sari STMIK IKMI Cirebon, Indonesia
Bambang Irawan STMIK IKMI Cirebon, Indonesia
Ahmad Faqih STMIK IKMI Cirebon, Indonesia
Arif Rinaldi Dikananda STMIK IKMI Cirebon, Indonesia
Fathurrohman . STMIK IKMI Cirebon, Indonesia

Keywords:

Analisis Sentimen, Multinomial Naive Bayes, TF-IDF, Ulasan Pengguna, Kredivo

Abstract

Studi ini bertujuan mengklasifikasi sentimen dalam ulasan pengguna Kredivo pada tahun 2025 dengan menggunakan algoritma Multinomial Naïve Bayes (MNB) yang dikombinasikan dengan pembobotan TF-IDF. Data ulasan dikumpulkan melalui web scraping dan dianalisis lewat tahapan pra-pemrosesan teks, yang mencakup pembersihan data, tokenisasi, penghapusan stopword, stemming, serta transformasi vektor dengan TF-IDF. Pelabelan sentimen dilakukan secara manual oleh pakar bahasa untuk memastikan akurasi kategori. Eksperimen menunjukkan model MNB mencapai akurasi 84,82% dan performa stabil pada data uji. Analisis sentimen mengungkap dominasi ulasan positif, khususnya terkait kemudahan aplikasi, kecepatan verifikasi, dan fleksibilitas pembayaran. Di sisi lain, ulasan negatif umumnya berkaitan dengan biaya tinggi, masalah verifikasi, serta gangguan teknis aplikasi. Temuan ini menekankan perlunya peningkatan transparansi biaya dan perbaikan sistem untuk memperbaiki pengalaman pengguna. Penelitian selanjutnya disarankan untuk membandingkan performa MNB dengan algoritma lain seperti Support Vector Machine, Random Forest, atau deep learning guna mendapatkan model yang lebih optimal dalam analisis sentimen.

References

F. Adji, A. Prasetyo, and N. Rahmawati, “Fintech adoption and digital financial inclusion in Indonesia: Opportunities and challenges,” Journal of Economics and Digital Finance, vol. 5, no. 2, pp. 45–60, 2023, doi: 10.1016/j.jedf.2023.02.004.

A. Kumar and R. Singh, “Sentiment Analysis of Indonesian Datasets Based on a Hybrid Deep Learning Model,” J Big Data, vol. 10, no. 3, pp. 78–88, 2023, [Online]. Available: https://journalofbigdata.springeropen.com/articles/10.1186/s40537-023-00782-9

S. Handayani and D. Sartika, “Sentiment analysis of digital financial services using machine learning approaches,” Indonesian Journal of Information Systems, vol. 12, no. 1, pp. 23–37, 2025, doi: 10.20885/ijis.vol12.iss1.art3.

J. Purba, E. Siagian, and R. Manik, “Performance evaluation of Multinomial Naive Bayes for sentiment classification on Indonesian fintech reviews,” Procedia Comput Sci, vol. 235, pp. 789–799, 2024, doi: 10.1016/j.procs.2024.05.073.

R. Nufus and W. Gata, “Comparative analysis of Naive Bayes and SVM for public sentiment classification on Indonesian digital services,” Journal of Applied Data Science, vol. 7, no. 4, pp. 142–154, 2023, doi: 10.11591/jads.v7i4.23456.

I. Setiawan and S. Rahmawati, “Contextual Interpretation and Semantic Polarity Adjustment in Expert-Based Sentiment Annotation,” Linguistic Data Science Journal, vol. 7, no. 2, pp. 88–104, 2023, doi: 10.1002/lds.2023.04.

R. G. Nababan and A. Hardi, “Sentiment Analysis pada Ulasan Aplikasi Menggunakan Multinomial Naive Bayes dan TF-IDF,” Jurnal Infra, vol. 11, no. 1, pp. 38–45, 2023, [Online]. Available: https://ejournal.stmiksumedang.ac.id/index.php/jinfra/article/view/393

H. Kaur and R. Sharma, “Sentiment analysis in fintech: Understanding consumer perception through user-generated reviews,” Journal of Digital Business and Analytics, vol. 5, no. 2, pp. 88–102, 2023.

A. Sutopo and M. Mubarok, “Pendekatan Kuantitatif dalam Penelitian Sistem Informasi Berbasis Data Teks,” Jurnal Riset Komputer, vol. 10, no. 2, pp. 122–130, 2023, [Online]. Available: https://ejurnal.teknokrat.ac.id/index.php/jrk/article/view/231

Y. Zhang and W. Chen, “Text Classification Techniques in Social Media Sentiment Analysis,” Journal of Data Science and Analytics, vol. 9, no. 2, pp. 45–57, 2023.

A. Putri and B. Santoso, “Proses Labeling dalam Analisis Sentimen Berbasis Machine Learning,” Jurnal Informatika dan Sains Data, vol. 7, no. 1, pp. 55–63, 2024.

R. Rizaldi and R. Aryanti, “Analisis Sentimen Pengguna Terhadap Aplikasi Indodana di Google Play Store Menggunakan Metode Naïve Bayes Classifier,” Journal of Informatics Management and Information Technology, 2024.

P. Nugroho and M. Sari, “Analisis Sentimen Masyarakat Terhadap PayLater Menggunakan Metode Naïve Bayes,” Jurnal Sistem Informasi dan Analisis Data, vol. 10, no. 2, pp. 115–128, 2025.