Analisis Sentimen Perbandingan Ulasan Dana dan Ovo Menggunakan Algoritma Support Vector Machine

Reza Jamalul  Lail Al Mustapa; Rudi Kurniawan; Khaerul Anam; Ghiftera Dwilestari; Mulyawan Mulyawan

doi:10.46799/jsa.v7i1.2627

Analisis Sentimen Perbandingan Ulasan Dana dan Ovo Menggunakan Algoritma Support Vector Machine

Reza Jamalul Lail Al Mustapa

Sekolah Tinggi Manajemen Informatika dan Komputer IKMI Cirebon, Indonesia

Rudi Kurniawan

Sekolah Tinggi Manajemen Informatika dan Komputer IKMI Cirebon, Indonesia

Khaerul Anam

Sekolah Tinggi Manajemen Informatika dan Komputer IKMI Cirebon, Indonesia

Ghiftera Dwilestari

Sekolah Tinggi Manajemen Informatika dan Komputer IKMI Cirebon, Indonesia

Mulyawan Mulyawan

Analisis sentimen merupakan metode yang digunakan untuk mengolah pendapat pengguna pada ulasan layanan digital guna mengklasifikasikan persepsi pengguna ke dalam kategori positif dan negatif. Penelitian ini membandingkan sentimen pengguna pada dua aplikasi dompet digital, yaitu DANA dan OVO, berdasarkan ulasan pengguna yang diperoleh dari Google Play Store. Metode yang digunakan terdiri dari tahapan pengumpulan data, preprocessing teks, pembobotan kata menggunakan Term Frequency–Inverse Document Frequency (TF-IDF), serta klasifikasi menggunakan algoritma Support Vector Machine (SVM). Evaluasi dilakukan menggunakan nilai akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model SVM menghasilkan akurasi sebesar 90% pada ulasan OVO dan 88,04% pada ulasan DANA. Perbedaan akurasi dipengaruhi oleh variasi bahasa dalam ulasan dan distribusi kelas sentimen. Penelitian ini menunjukkan bahwa SVM efektif digunakan dalam analisis sentimen pada aplikasi dompet digital serta dapat membantu pengembang dalam meningkatkan kualitas layanan berdasarkan masukan pengguna. Kebaruan penelitian ini terletak pada pendekatan komparatif yang secara eksplisit membandingkan dua platform e-wallet terdominasi di Indonesia DANA dan OVO dalam satu kerangka analisis terpadu menggunakan data ulasan aktual dari Google Play Store. Berbeda dengan studi-studi sebelumnya yang hanya berfokus pada satu platform, penelitian ini mengidentifikasi perbedaan karakteristik bahasa ulasan dan distribusi sentimen antar platform sebagai faktor penentu performa model klasifikasi. Secara praktis, temuan ini memberikan kontribusi langsung bagi pengembang fintech dalam merancang strategi peningkatan layanan berbasis analisis opini pengguna secara terstruktur dan terukur.

Keywords: sentimen;, ulasan pengguna;, support vector machine;, tf-idf;, e-wallet.

Abdillah, M. Y. (2024). Pengaruh E-Service Quality dan E-Trust Terhadap E-Satisfaction Serta Dampaknya E-Loyalty Pengguna E-Wallet OVO di Kota Medan. Media Mahardhika, 22(3), 442–455.
Ayu, P., & Aryanti, N. (2023). Analisis Sentimen Opini Berbahasa Indonesia Pada Sosial Media Menggunakan TF-IDF dan Support Vector Machine. 12(1), 45–52.
Basri, H., Bagoes, M., Junianto, S., & Kusyadi, I. (2024). Enhancing Usability Testing Through Sentiment Analysis : A Comparative Study Using SVM , Naive Bayes , Decision Trees and Random Forest. 7(4), 1603–1610. https://doi.org/10.32493/jtsi.v7i4.45117
Dani, A. H., Puspaningrum, E. Y., Mumpuni, R., Pembangunan, U., Veteran, N., & Timur, J. (2024). Studi Performa TF-IDF dan Word2Vec Pada Analisis Sentimen Cyberbullying. 2.
Fitriyana, V., Hakim, L., Candra, D., Novitasari, R., & Hanif, A. (2023). Analisis Sentimen Ulasan Aplikasi Jamsostek Mobile Menggunakan Metode Support Vector Machine. 14(April), 40–49.
Gusmansyah, M. R., Hendrawan, H., & Informatika, P. T. (2025). Peningkatan Kinerja Analisis Sentimen pada Ulasan Aplikasi Identitas Kependudukan Digital ( IKD ) di Indonesia Menggunakan Algoritma Support Vector Machine ( SVM ). 10(1), 185–196.
Hayati, N., Noverina, V., & Faddil, H. (2025). Penerapan Metode Naive Bayes Classifier untuk Analisis Sentimen Ulasan Pengguna Aplikasi DANA. Jurnal Ilmiah Komputer Dan Informatika (KOMPUTA), 13(1), 1–7.
Nawulansih, D. F., Santi, N. C., Aristia, I., Informatika, T., Nahdlatul, U., Sunan, U., Bojonegoro, G., Informasi, S., Nahdlatul, U., Sunan, U., & Bojonegoro, G. (2025). Analisis Sentimen Ulasan Aplikasi DANA di Google Play Store : Penerapan Support Vector Machine dan Synthetic Minority Over-sampling Technique Sentiment Analysis of DANA Application Reviews on Google Play Store : Implementation of Support Vector Machine and Synthetic Minority Over-sampling Technique. 5(9), 2660–2671.
Putra, D., Pratama, S., & Basuki, S. (2025). Deteksi Bias dalam Model Machine Learning untuk Prediksi Kelulusan Mahasiswa Berdasarkan Aktivitas Virtual Learning Environment. 7(3), 381–392.
Putra, J. A., Dharmawan, A., & Gondohanindijo, J. (2024). Sentimen analisis aplikasi digitalent mobile menggunakan naïve bayes dan svm dengan ekstraksi fitur tf-idf sentimen analysis digitalent mobile application using naïve bayes and svm with tf-idf fitur extraction. 7.
Ramadhanu, A. (2023). Perbandingan Kinerja Metode Klasifikasi untuk Analisis Sentimen Ulasan Pengguna Aplikasi OVO. Jurnal Teknologi Dan Sistem Informasi, 9(2), 112–120.
Rhomaningtias, L., Khairunisa, A., Shella, S., Wara, M., & Hindrayani, K. M. (2025). ANALISIS SENTIMEN ULASAN APLIKASI SMILE INDONESIA MENGGUNAKAN METODE NAIVE BAYES DAN SUPPORT VECTOR MACHINE ( SVM ). 16(c), 79–91.
Suharman, A., & Sulaeman, M. K. (2024). Analisis Sentimen Pengguna Aplikasi Livin’ by Mandiri Menggunakan Metode Support Vector Machine (SVM). Jurnal Teknologi Dan Industri, 4(1), 55–63.
Suharman, A., Sulaeman, M. K., Industri, T., Muhammadiyah, U., & Hamka, P. (2025). Analisis

Roeva, O. (2012). Real-World Applications of Genetic Algorithm. In International Conference on Chemical and Material Engineering. Semarang, Indonesia: Department of Chemical Engineering, Diponegoro University

Pustaka yang berupa disertasi/thesis/skripsi:
Hermanto, B. (2012). Pengaruh Prestasi Trainin, Motivasi Dan Masa Kerja Teknisi Terhadap Produktivitas Teknisi Di Bengkel Nissan Yogyakarta, Solo, dan Semarang. Skripsi. Universitas Negeri Yogyakarta.

Pustaka yang berupa patent:
Primack, H.S. (1983). Method of Stabilizing Polyvalent Metal Solutions. US Patent No. 4,373,104.

Reza Jamalul Lail Al Mustapa, Sekolah Tinggi Manajemen Informatika dan Komputer IKMI Cirebon, Indonesia Analisis sentimen merupakan metode yang digunakan untuk mengolah pendapat pengguna pada ulasan layanan digital guna mengetahui persepsi positif, negatif, dan netral. Penelitian ini membandingkan sentimen pengguna pada dua aplikasi dompet digital, yaitu DANA dan OVO, berdasarkan ulasan pengguna yang diperoleh dari Google Play Store. Metode yang digunakan terdiri dari tahapan pengumpulan data, preprocessing teks, pembobotan kata menggunakan Term Frequency–Inverse Document Frequency (TF-IDF), serta klasifikasi menggunakan algoritma Support Vector Machine (SVM). Evaluasi dilakukan menggunakan nilai akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model SVM menghasilkan akurasi sebesar 90% pada ulasan OVO dan 88,04% pada ulasan DANA. Perbedaan akurasi dipengaruhi oleh variasi bahasa dalam ulasan dan distribusi kelas sentimen. Penelitian ini menunjukkan bahwa SVM efektif digunakan dalam analisis sentimen pada aplikasi dompet digital serta dapat membantu pengembang dalam meningkatkan kualitas layanan berdasarkan masukan pengguna.

Rudi Kurniawan, Sekolah Tinggi Manajemen Informatika dan Komputer IKMI Cirebon, Indonesia Analisis sentimen merupakan metode yang digunakan untuk mengolah pendapat pengguna pada ulasan layanan digital guna mengetahui persepsi positif, negatif, dan netral. Penelitian ini membandingkan sentimen pengguna pada dua aplikasi dompet digital, yaitu DANA dan OVO, berdasarkan ulasan pengguna yang diperoleh dari Google Play Store. Metode yang digunakan terdiri dari tahapan pengumpulan data, preprocessing teks, pembobotan kata menggunakan Term Frequency–Inverse Document Frequency (TF-IDF), serta klasifikasi menggunakan algoritma Support Vector Machine (SVM). Evaluasi dilakukan menggunakan nilai akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model SVM menghasilkan akurasi sebesar 90% pada ulasan OVO dan 88,04% pada ulasan DANA. Perbedaan akurasi dipengaruhi oleh variasi bahasa dalam ulasan dan distribusi kelas sentimen. Penelitian ini menunjukkan bahwa SVM efektif digunakan dalam analisis sentimen pada aplikasi dompet digital serta dapat membantu pengembang dalam meningkatkan kualitas layanan berdasarkan masukan pengguna.

Khaerul Anam, Sekolah Tinggi Manajemen Informatika dan Komputer IKMI Cirebon, Indonesia Analisis sentimen merupakan metode yang digunakan untuk mengolah pendapat pengguna pada ulasan layanan digital guna mengetahui persepsi positif, negatif, dan netral. Penelitian ini membandingkan sentimen pengguna pada dua aplikasi dompet digital, yaitu DANA dan OVO, berdasarkan ulasan pengguna yang diperoleh dari Google Play Store. Metode yang digunakan terdiri dari tahapan pengumpulan data, preprocessing teks, pembobotan kata menggunakan Term Frequency–Inverse Document Frequency (TF-IDF), serta klasifikasi menggunakan algoritma Support Vector Machine (SVM). Evaluasi dilakukan menggunakan nilai akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model SVM menghasilkan akurasi sebesar 90% pada ulasan OVO dan 88,04% pada ulasan DANA. Perbedaan akurasi dipengaruhi oleh variasi bahasa dalam ulasan dan distribusi kelas sentimen. Penelitian ini menunjukkan bahwa SVM efektif digunakan dalam analisis sentimen pada aplikasi dompet digital serta dapat membantu pengembang dalam meningkatkan kualitas layanan berdasarkan masukan pengguna.

Ghiftera Dwilestari, Sekolah Tinggi Manajemen Informatika dan Komputer IKMI Cirebon, Indonesia Analisis sentimen merupakan metode yang digunakan untuk mengolah pendapat pengguna pada ulasan layanan digital guna mengetahui persepsi positif, negatif, dan netral. Penelitian ini membandingkan sentimen pengguna pada dua aplikasi dompet digital, yaitu DANA dan OVO, berdasarkan ulasan pengguna yang diperoleh dari Google Play Store. Metode yang digunakan terdiri dari tahapan pengumpulan data, preprocessing teks, pembobotan kata menggunakan Term Frequency–Inverse Document Frequency (TF-IDF), serta klasifikasi menggunakan algoritma Support Vector Machine (SVM). Evaluasi dilakukan menggunakan nilai akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model SVM menghasilkan akurasi sebesar 90% pada ulasan OVO dan 88,04% pada ulasan DANA. Perbedaan akurasi dipengaruhi oleh variasi bahasa dalam ulasan dan distribusi kelas sentimen. Penelitian ini menunjukkan bahwa SVM efektif digunakan dalam analisis sentimen pada aplikasi dompet digital serta dapat membantu pengembang dalam meningkatkan kualitas layanan berdasarkan masukan pengguna.

Mulyawan Mulyawan Analisis sentimen merupakan metode yang digunakan untuk mengolah pendapat pengguna pada ulasan layanan digital guna mengetahui persepsi positif, negatif, dan netral. Penelitian ini membandingkan sentimen pengguna pada dua aplikasi dompet digital, yaitu DANA dan OVO, berdasarkan ulasan pengguna yang diperoleh dari Google Play Store. Metode yang digunakan terdiri dari tahapan pengumpulan data, preprocessing teks, pembobotan kata menggunakan Term Frequency–Inverse Document Frequency (TF-IDF), serta klasifikasi menggunakan algoritma Support Vector Machine (SVM). Evaluasi dilakukan menggunakan nilai akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model SVM menghasilkan akurasi sebesar 90% pada ulasan OVO dan 88,04% pada ulasan DANA. Perbedaan akurasi dipengaruhi oleh variasi bahasa dalam ulasan dan distribusi kelas sentimen. Penelitian ini menunjukkan bahwa SVM efektif digunakan dalam analisis sentimen pada aplikasi dompet digital serta dapat membantu pengembang dalam meningkatkan kualitas layanan berdasarkan masukan pengguna.