Analisis Sentimen Pengguna Terhadap QRIS Pada Platform Media Sosial X Menggunakan Algoritma Naïve Bayes
Abstrak
Abstrak — Meningkatnya adopsi QRIS dalam transformasi digital keuangan memunculkan beragam pengalaman pengguna, mulai dari kemudahan transaksi hingga kendala teknis yang krusial untuk dievaluasi. Analisis sentimen di media sosial diterapkan sebagai pendekatan efisien untuk menangkap opini publik tersebut secara langsung dan cepat tanpa kendala waktu seperti pada survei formal. Hal ini bertujuan memberikan gambaran komprehensif mengenai kepuasan dan harapan pengguna agar setiap keluhan dapat segera ditindaklanjuti dengan tepat. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap pengguna QRIS dengan menerapkan algoritma klasifikasi naïve bayes untuk mengelompokkan opini masyarakat ke dalam sentimen positif dan negatif. Data penelitian dikumpulkan dari media sosial X pada periode Januari 2023 hingga September 2025 menggunakan teknik scraping, menghasilkan total 1.581 data bersih setelah melalui tahap seleksi. Hasil pengujian menunjukkan bahwa varian Multinomial Naïve Bayes memberikan kinerja terbaik. Evaluasi stabilitas model menggunakan 10-Fold Cross Validation menghasilkan rata-rata akurasi 82,10%, sedangkan penerapan metode SMOTE untuk menangani ketidakseimbangan data mencatatkan akurasi 87,38%. Meskipun demikian, model terbaik yang dipilih untuk implementasi diperoleh melalui skenario pembagian data 80:20 tanpa sampling tambahan, dengan konfigurasi parameter alpha 0.7 dan random state 193. Model ini menghasilkan accuracy sebesar 87,07%, precision 88%, recall 87%, dan F1-Score 87%. Hasil akhir klasifikasi diimplementasikan ke dalam aplikasi berbasis web menggunakan framework Flask yang menyajikan visualisasi sentimen secara real-time.
Kata kunci— analisis sentimen, QRIS, multinomial Naïve Bayes, SMOTE, flask.
Referensi
REFERENSI
Rizky Febriansyah, “Dampak Kemajuan Teknologi Informasi dan Komunikasi terhadap Nilai-Nilai Budaya,” Venus: Jurnal Publikasi Rumpun Ilmu Teknik , vol. 3, no. 1, pp. 01–10, Jan. 2025, doi: 10.61132/venus.v3i1.687.
P. Paramita and A. Ibrahim, “ANALISIS SENTIMEN TERHADAP PENGGUNA QRIS (QUICK RESPOND CODE INDONESIAN STANDART) PADA TWITTER MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER,” JOISIE Journal Of Information System And Informatics Engineering, vol. 7, no. 1, pp. 1–6, 2023, [Online]. Available: https://t.co/lJemg7TbKb
M. A. Dewanty and I. Mustofa, “PROBLEMATIKA PEMBERLAKUAN QUICK RESPONSE CODE INDONESIA STANDARD BAGI KEMAJUAN EKONOMI DIGITAL PELAKU USAHA UMKM,” Jurnal Ekonomi dan Bisnis, 2023, [Online]. Available: http://e-journallppmunsa.ac.id/index.php/jebPp.397-405
B. Tiurmaida Pardede, R. Sihombing, S. Prissillia Devi, and C. Bayu Hidayat, “Pemanfaatan Twitter Sebagai Media Promosi Terhadap UMKM,” Journal of Business Finance and Economic (JBFE), vol. 3, no. 2, 2022, [Online]. Available: https://journal.univetbantara.ac.id/index.php/jbfe
R. Widya Perdana and R. Meri, “IMPLEMENTASI DATA MINING PADA PENJUALAN SEPRAI MENGGUNAKAN ALGORITMA APRIORI,” JOISIE Journal Of Information System And Informatics Engineering, vol. 7, no. 1, pp. 144–154, 2023.
A. Hermawan, I. Jowensen, J. Junaedi, and Edy, “Implementasi Text-Mining untuk Analisis Sentimen pada Twitter dengan Algoritma Support Vector Machine,” JST (Jurnal Sains dan Teknologi), vol. 12, no. 1, pp. 129–137, Apr. 2023, doi: 10.23887/jstundiksha.v12i1.52358.
D. Rifaldi, Abdul Fadlil, and Herman, “Teknik Preprocessing Pada Text Mining Menggunakan Data Tweet ‘Mental Health,’” Decode: Jurnal Pendidikan Teknologi Informasi, vol. 3, no. 2, pp. 161–171, Apr. 2023, doi: 10.51454/decode.v3i2.131.
F. Nufairi, N. Pratiwi, and F. Herlando, “ANALISIS SENTIMEN PADA ULASAN APLIKASI THREADS DI GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 9, no. 1, pp. 339–348, Feb. 2024, doi: 10.29100/jipi.v9i1.4929.
N. Istiana and A. Mustafiril, “Perbandingan Metode Klasifikasi pada Data dengan Imbalance Class dan Missing Value,” Jurnal Informatika, vol. 10, no. 2, pp. 101–108, Oct. 2023, doi: 10.31294/inf.v10i2.15540.
R. Rachman, R. N. Handayani, and I. Artikel, “Klasifikasi Algoritma Naive Bayes Dalam Memprediksi Tingkat Kelancaran Pembayaran Sewa Teras UMKM,” JURNAL INFORMATIKA, vol. 8, no. 2, 2021, [Online]. Available: http://ejournal.bsi.ac.id/ejurnal/index.php/ji
H. Sari, G. Leonarde Ginting, and T. Zebua, “Penerapan Algoritma Text Mining dan TF-IDF Untuk Pengelompokan Topik Skripsi Pada Aplikasi Repository STMIK Budi Darma,” TIN: Terapan Informatika Nusantara, vol. 2, no. 7, pp. 414–432, 2021, [Online]. Available: https://ejurnal.seminar-id.com/index.php/tin
S. Sofyan and A. Prasetyo, “Penerapan Synthetic Minority Oversampling Technique (SMOTE) Terhadap Data Tidak Seimbang Pada Tingkat Pendapatan Pekerja Informal Di Provinsi D.I. Yogyakarta Tahun 2019,” 2021.
S. Khoerunnisa, D. F. Shiddieq, and D. Nurhayati, “Penerapan Algoritma Naive Bayes dengan Teknik TF-IDF dan Cross Validation untuk Analisis Sentimen Terhadap Starlink,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 5, no. 2, pp. 566–577, Mar. 2025, doi: 10.57152/malcom.v5i2.1852.
