ANALISIS SENTIMEN PENGELOMPOKAN PENGGUNA APLIKASI PINJAMAN ONLINE DENGAN ALGORITMA K-MEANS
Abstract
The development of online lending services within financial technology has made financing easier for the public. Still, it has also given rise to problems such as high interest rates, a lack of cost transparency, and service issues that lead to user complaints. These issues are reflected in the large number of unstructured user reviews on the Google Play Store, making them difficult to analyze manually. This situation requires applying data-driven analysis methods to understand sentiment patterns and user characteristics in online lending applications. This study aims to analyze sentiment and group users of online lending applications based on Indonesian-language reviews on the Google Play Store for 2026. The methods used are data mining using a text-mining approach and unsupervised learning. The research stages include data collection, text preprocessing, feature extraction using TF-IDF, and data clustering using the K-Means algorithm with the help of Google Colab and the Orange application. The results are expected to produce user clusters with distinct sentiment characteristics and provide an overview of user perception patterns. These findings can be used as academic references and evaluation materials for online lending service providers to improve service quality.
Perkembangan layanan pinjaman online sebagai bagian dari teknologi finansial telah memberikan kemudahan akses pembiayaan bagi masyarakat, namun di sisi lain memunculkan berbagai permasalahan seperti tingginya suku bunga, kurangnya transparansi biaya, serta pelayanan yang menimbulkan keluhan pengguna. Permasalahan tersebut tercermin dalam ulasan pengguna pada platform Google Play Store yang jumlahnya besar dan bersifat tidak terstruktur, sehingga sulit dianalisis secara manual. Kondisi ini menuntut penerapan metode analisis berbasis data untuk memahami pola sentimen dan karakteristik pengguna aplikasi pinjaman online. Penelitian ini bertujuan untuk menganalisis sentimen serta mengelompokkan pengguna aplikasi pinjaman online berdasarkan ulasan berbahasa Indonesia pada Google Play Store periode 2026. Metode yang digunakan adalah data mining dengan pendekatan text mining dan unsupervised learning. Tahapan penelitian meliputi pengumpulan data, preprocessing teks, ekstraksi fitur menggunakan TF-IDF, serta pengelompokan data menggunakan algoritma K-Means dengan bantuan Google Colab dan aplikasi Orange. Hasil penelitian diharapkan menghasilkan klaster pengguna dengan karakteristik sentimen yang berbeda dan memberikan gambaran pola persepsi pengguna. Temuan ini dapat dimanfaatkan sebagai referensi akademik serta bahan evaluasi bagi penyedia layanan pinjaman online dalam meningkatkan kualitas layanan
Full Text:
PDFReferences
Akbar, R. F., Habibi, M., Cahyo, P. W., & Sa’diya, N. A. (2023). Metode Hybrid Menggunakan Pendekatan Lexicon Based dan Naive Bayes Classifier Untuk Analisis Sentimen Terkait Jaminan Hari Tua. Teknomatika: Jurnal Informatika Dan Komputer, 16(2), 73–79. https://doi.org/10.30989/teknomatika.v16i2.1247
Andini, D., & Muthia, D. A. (2024). Implementasi Metode Lexicon Based dan Support Vector Machine Pada Analisis Sentimen Ulasan Pengguna ChatGPT. IJCIT : Indonesian Journal on Computer and Information Technology, 9(2), 80–86. https://doi.org/10.31294/ijcit.v9i2.23948
Bela, S., Harianja, P. A., Bismi, W., Kurniawati, I., & Fahlapi, R. (2026). Analisis Sentimen dan Kepuasan Pengguna Aplikasi Pinjaman Online Berdasarkan Ulasan Di Google Play. RIGGS: Journal of Artificial Intelligence and Digital Business, 4(4), 6170–6180. https://doi.org/10.31004/riggs.v4i4.4245
Gandasari, N. M., Hidayat, R. R., & Siswajanthy, F. (2025). Peran Otoritas Jasa Keuangan (OJK) dalam Mengawasi Fintech Lending sebagai Instrumen Ekonomi Digital. IJIJEL : Indonesian Journal of Islamic Jurisprudence, Economic and Legal Theory, 3(1), 399–408. https://doi.org/10.62976/ijijel.v3i1.941
Ghozali, M. I., Sugiharto, W. H., & Iskandar, A. F. (2023). Analisis Sentimen Pinjaman Online Di Media Sosial Twitter Menggunakan Metode Naive Bayes. KLIK: Kajian Ilmiah Informatika Dan Komputer, 3(6), 1340–1348. https://doi.org/10.30865/klik.v3i6.936
Haq, M. Z., Octiva, C. S., Ayuliana, A., Nuryanto, U. W., & Suryadi, D. (2024). Algoritma Naïve Bayes untuk Mengidentifikasi Hoaks di Media Sosial. MInfo Polgan : Jurnal & Penelitian Manajemen Informatika, 13(1), 1079–1084. https://doi.org/10.33395/jmp.v13i1.13937
Indriastuti, P., Hartini, E. F., & Sismadi, W. (2025). Pengambilan Keputusan Pinjaman Online Dan Faktor Yang Mempengaruhi. Aliansi: Jurnal Manajemen Dan Bisnis, 20(1), 241–252. https://doi.org/10.46975/zvc8pg94
Ipnuwati, S., Zuhri, K., & Yuniarthe, Y. (2025). Unsupervised Sentiment Analysis pada Komentar Evaluasi Dosen Program Studi Informatika Universitas Mitra Indonesia. JEDA : Jurnal Teknologi Dan Informatika, 6(1), 1–8. https://doi.org/10.57084/jeda.v6i1.1988
Izzah, S., Novilia, E., & Harwida, G. (2025). Perkembangan dan Dampak Inovasi Fintech Terhadap Perilaku Manajemen Keuangan Masyarakat Kota Blitar. JRME : Jurnal Rumpun Manajemen Dan Ekonomi, 2(6), 466–476. https://doi.org/10.61722/jrme.v3i2.8804
Mongkito, L. O. M. H. A. S., Ransi, N., Surimi, L., Tenriawaru, A., Gunawan, G., & Rauf, B. W. (2024). Analisis Sentimen Aplikasi Peminjaman Online Berdasarkan Ulasan Pada Play Store Menggunakan Metode Naive Bayes dan Support Vector Machine (Studi Kasus : Adakami dan Easycash). AnoaTIK: Jurnal Teknologi Informasi Dan Komputer, 2(2), 121–128. https://doi.org/10.33772/anoatik.v2i2.71
Muningsih, E. (2022). Kombinasi Metode K-Means dan Decision Tree Dengan Perbandingan Kriteria dan Split Data. Jurnal Teknoinfo, 16(1), 113–118. https://doi.org/10.33365/jti.v16i1.1561
Nurhasanah, E. (2026). Analisis Sentimen Pada Teks Digital: Memahami Emosi dan Opini di Dunia Maya. Sijunjung : Yayasan Pendidikan Cendekia Muslim.
Rahmanda, M. A., Ananda, G., & Pratika, M. R. (2025). Perlindungan Konsumen dalam Transaksi Pinjaman Online: Kajian terhadap UU No. 8 Tahun 1999. JEM Terekam Jejak : Journal of Economic and Management, 2(1), 1–12. https://journal.terekamjejak.com/index.php/jem/article/view/290
Reyan, M., & Purwaningtyas, F. (2025). Analisis Sentimen Ulasan Aplikasi IBI Library Pada Google Play Store Menggunakan Naive Bayes Clssifier. Djtechno: Jurnal Teknologi Informasi, 6(2), 662–679. https://doi.org/10.46576/djtechno.v6i2.6968
Sujjadaa, A., Somantri, Novianti, J. N., & Isa, I. G. T. (2023). Analisis Sentimen Terhadap Review Bank Digital Pada Google Play Store Menggunakan Metode Support Vector Machine (SVM). Jurnal Rekayasa Teknologi Nusa Putra, 9(2), 122–135. https://doi.org/10.52005/rekayasa.v9i2.345
Sunarko, G. S., Wasino, W., & Sutrisno, T. (2023). Klasterisasi Sentimen Ulasan Pengguna Aplikasi BCA Mobile Pada Platform Google Play Store Dengan Algoritma K-Means Clustering. Jurnal Ilmu Komputer Dan Sistem Informasi, 11(1), 1–6. https://doi.org/10.24912/jiksi.v11i1.24145
Yustati, H., Agustiya, R., Indra, Y. A., & Situmorang, D. R. (2025). Faktor Pendorong Penggunaan Pinjaman Online di Kalangan Mahasiswa. JURIHUM : Jurnal Inovasi Dan Humaniora, 3(2), 153–160. https://jurnalmahasiswa.com/index.php/Jurihum/article/view/3151
Zahir, M. R. A., Bagus, & Saputra, A. D. (2024). Analisis Sentimen Terhadap Ulasan Aplikasi Pinjaman Online (Pinjol) di Google Play Store Menggunakan Naive Baiyes Classifier. Jurnal Riset Informatika Dan Teknologi Informasi, 1(2), 61–64. https://doi.org/10.58776/jriti.v1i2.39
DOI: https://doi.org/10.56486/jeis.vol6no2.1352
Article Metrics
Abstract view : 0 timesPDF - 0 times
Refbacks
- There are currently no refbacks.
Copyright (c) 2026 Sri Ipnuwati, Sabda Iman Ramadian, Didi Susianto, Yodhi Yuniarte
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
TERINDEKS OLEH :
