ANALISA SENTIMEN FINANCIAL TECHNOLOGY PEER TO PEER LENDING PADA APLIKASI KOINWORKS

• ROUSYATI
• 14002240

---

ABSTRAK

ABSTRAK

 

 

Nama                 : Rousyati

NIM                  : 14002240

Program Studi   : Ilmu Komputer

Jenjang              : Strata Dua (S2)

Konsentrasi       :  Data Mining

Judul Tesis         : “Analisa Sentimen Financial Technology Peer To Peer Lending Pada Aplikasi Koinworks”

 

 

Bertambahnya jumlah perusahaan financial technology (fintech) yang terdaftar di Otoritas Jasa Keuangan mengartikan bahwa industri ini semakin dilirik karena  dibutuhkan dalam sistem perekonomian di Indonesia. Namun perkembangan Fintech P2PL telah menimbulkan beberapa risiko. Pertama, ada risiko gagal bayar, karena tidak ada jaminan atau persyaratan kontak fisik. Kedua, ada risiko yang terkait dengan keamanan data (risiko cyber), tata kelola, dan privasi pelanggan dan juga karena kerentanan sistem dan penyalahgunaan data, baik sengaja atau tidak sengaja. Ulasan yang terdapat pada kolom komentar Google Play dapat dimanfaatkan sebagai sumber data yang dapat di oleh dengan data mining. Penelitian ini akan menganalisa mengenai permasalahan yang berkaitan dengan beberapa ulasan tentang  Fintech P2PL  apikasi Koinworks pada ulasan di Google Play Store serta menentukan hasil akurasi analisa sentimen yang dihasilkan algoritma Decision Tree, K-Nearest Neigbor dan Support Vector Machine. Adapun manfaat dari penelitian ini adalah untuk membantu manajemen aplikasi Koinworks mengenai opini positif atau negatif dari pengguna aplikasi serta dapat  memberikan bukti  secara  empiris  untuk  teori  yang  berkaitan sehingga  dapat  dijadikan  sumbangan  pemikiran untuk pengembangan teori berikutnya. Algoritma SVM dengan Cross Validation + Parameter Optimization menghasilkan Accuracy 91,03% precision tertinggi yaitu dengan 96,73%% , recall 85,34% dan AUC  tertinggi yaitu 0,986 yang termasuk dalam excellent classification.

 

Kata kunci:

Analisa Sentimen, Fintech Peer to Peer Lending, Text Mining, DT, KNN, SVM

KATA KUNCI

TECHNOLOGY PEER TO PEER LENDING

---

DAFTAR PUSTAKA

DAFTAR PUSTAKA

[1]      OJK, “Perkembangan Fintech Lending,” 2020. https://www.ojk.go.id/id/kanal/iknb/data-dan-statistik/fintech/Documents/Perkembangan Fintech Lending Periode Maret 2020.pdf.

[2]      T. A. Kurniawan, D. K. Wardani, and L. Widhayati, “Pengaruh Keberterimaan Layanan Peer To Peer Lending Kepada Umkm Sebagai Pengguna Dengan Menggunakan Metode Technology Acceptance Model (Tam),” J. Sos. Ekon. Dan Hum., vol. 5, no. 2, pp. 151–160, 2019, doi: 10.29303/jseh.v5i2.59.

[3]      A. Narain, Two Faces of Change. Finance & Development, 2017.

[4]      Change.org, “Penagihan Pinjaman Fintech Sangat Meresahkan,” 2018. https://www.change.org/p/ojk-penagihan-pinjaman-fintech-sangat-meresahkan.

[5]      Statistica, “Number of Available Applications in the Google Play Store,” 2018. .

[6]      Priyadharsini.C and D. A. S. Thanamani, “An Overview of Knowledge Discovery Databaseand Data mining Techniques,” Int. J. Innov. Res. Comput. Commun. Eng., vol. 2, no. 1, pp. 1571–1578, 2014, [Online]. Available: http://www.rroij.com/open-access/an-overview-of-knowledge-discovery-databaseand-data-mining-techniques.php?aid=48833.

[7]      A. P. Nugraha, Rolando, M. A. Puspasari, and D. H. Syaifullah, “Usability Evaluation for User Interface Redesign of Financial Technology Application,” IOP Conf. Ser. Mater. Sci. Eng., vol. 505, no. 1, 2019, doi: 10.1088/1757-899X/505/1/012101.

[8]      P. P. Wulandari, “ANALISIS FAKTOR-FAKTOR YANG MENENTUKAN KEPUTUSAN PEMBERIAN KREDIT UNTUK USAHA MIKRO, KECIL, DAN MENENGAH (UMKM) PADA LEMBAGA PEMBIAYAAN PEER TO PEER LENDING,” J. Chem. Inf. Model., vol. 53, no. 9, pp. 1689–1699, 2017, doi: 10.1017/CBO9781107415324.004.

[9]      N. Ramadhani, “10 Platform P2P Lending Terbaik Versi KPMG di Fintech Edge,” www.akseleran.co.id, 2019. https://www.akseleran.co.id/blog/fintech-edge/.

[10]    N. A. Hasibuan et al., “Implementasi Data Mining Untuk Pengaturan Layout,” vol. 4, no. 4, pp. 6–11, 2017.

[11]    H. Sulastri and A. I. Gufroni, “Penerapan Data Mining Dalam Pengelompokan Penderita Thalassaemia,” J. Nas. Teknol. dan Sist. Inf., vol. 3, no. 2, pp. 299–305, 2017, doi: 10.25077/teknosi.v3i2.2017.299-305.

[12]    V. Kotu and B. Deshpande, Predictive Analytics and Data Mining: Concepts and Practice with RapidMiner. Morgan Kaufmann, 2015.

[13]    R. R. M. P. Lailil Muflikhah, Dian Eka Ratnawati, Data Mining. Malang, Indonesia: Universitas Brawijaya Press, 2018.

[14]    S. Huber, H. Wiemer, D. Schneider, and S. Ihlenfeldt, “DMME: Data mining methodology for engineering applications - A holistic extension to the CRISP-DM model,” Procedia CIRP, vol. 79, pp. 403–408, 2019, doi: 10.1016/j.procir.2019.02.106.

[15]    R. Siringoringo, “Text Mining dan Klasterisasi Sentimen Pada Ulasan Produk Toko Online,” Tek. Inform. Univ. Prima Indones. Medan, vol. 2, pp. 1–6, 2019.

[16]    S. Budi, “Text Mining Untuk Analisis Sentimen Review Film Menggunakan Algoritma K-Means,” Techno.Com, vol. 16, no. 1, pp. 1–8, 2017, doi: 10.33633/tc.v16i1.1263.

[17]    E. Z. Yonathan Sari Mahardhika, “Analisis Sentimen Terhadap Pemerintahan Joko Widodo Pada Media Sosial Twitter Menggunakan Algoritma Naives Bayes,” Pros. SINTAK 2018, no. 2015, pp. 409–413, 2018, [Online]. Available: https://www.unisbank.ac.id/ojs/index.php/sintak/article/view/6651.

[18]    B. Panjaitan and K. M. Lhaksmana, “Analisis Sentimen Publik Terhadap Calon Presiden 2019 Melalui Twitter Menggunakan Metode Naive Bayes Classifier ( Studi kasus?: Pilpres 2019 ),” vol. 6, no. 2, pp. 9744–9752, 2019, [Online]. Available: https://www.unisbank.ac.id/ojs/index.php/sintak/article/view/6651.

[19]    S. Kurniawan, W. Gata, D. A. Puspitawati, I. K. S. Parthama, H. Setiawan, and S. Hartini, “Text Mining Pre-Processing Using Gata Framework and RapidMiner for Indonesian Sentiment Analysis,” IOP Conf. Ser. Mater. Sci. Eng., vol. 835, no. 1, 2020, doi: 10.1088/1757-899X/835/1/012057.

[20]    A. Rumondang, “The Utilization of Fintech (P2P Landing) as SME’s Capital Solution in Indonesia: Perspective in Islamic Economics (Qirad),” Int. Conf. Moslem Soc., vol. 2, pp. 12–22, 2018, doi: 10.24090/icms.2018.1818.

[21]    H. R. Tampubolon, “http://jurnal.fh.unpad.ac.id/index.php/JBMH/article/view/jbmh%2Cv3n2%2Ca15,” J. Bina Mulia Huk., vol. 3, no. 2, pp. 188–198, 2019, doi: 10.23920/jbmh.v3n2.15.

[22]    M. P. Shakina Rizkia, Erwin Budi Setiawan S.Si., M.T, Diyas Puspandari S.S., “Analisis Sentimen Kepuasan Pelanggan Terhadap Internet Provider Indihome di Twitter Menggunakan Metode Decision Tree dan Pembobotan TF-IDF,” e-Proceeding Eng., vol. 6, no. 2, pp. 9683–9693, 2019, [Online]. Available: https://libraryeproceeding.telkomuniversity.ac.id/index.php/engineering/article/viewFile/10703/10561.

[23]    W. E. Nurjanah, R. S. Perdana, and M. A. Fauzi, “Analisis Sentimen Terhadap Tayangan Televisi Berdasarkan Opini Masyarakat pada Media Sosial Twitter menggunakan Metode K-Nearest Neighbor dan Pembobotan Jumlah Retweet,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 1, no. 12, pp. 1750–1757, 2017, doi: 10.1074/jbc.M209498200.

[24]    U. Rofiqoh, R. S. Perdana, and M. A. Fauzi, “Analisis Sentimen Tingkat Kepuasan Pengguna Penyedia Layanan Telekomunikasi Seluler Indonesia Pada Twitter Dengan Metode Support Vector Machine dan Lexion Based Feature,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 1, no. 12, pp. 1725–1732, 2017, [Online]. Available: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/628.

[25]    C. Dietz and M. R. Berthold, “KNIME for Open-Source Bioimage Analysis: A Tutorial BT  - Focus on Bio-Image Informatics,” pp. 179–197, 2016, doi: 10.1007/978-3-319-28549-8_7.

[26]    B. Herwijayanti, D. E. Ratnawati, and L. Muflikhah, “Klasifikasi Berita Online dengan menggunakan Pembobotan TF-IDF dan Cosine Similarity,” Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 1, pp. 306–312, 2018, [Online]. Available: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/download/796/309.

[27]    A. Intan, R., & Defeng, “HARD: SUBJECT-BASED SEARCH ENGINE MENGGUNAKAN TF-IDF DAN JACCARD’S COEFFICIENT,” J. Tek. Ind., 2006, doi: 10.9744/jti.8.1.pp.61-72.

[28]    H. Christian, M. P. Agus, and D. Suhartono, “Single Document Automatic Text Summarization using Term Frequency-Inverse Document Frequency (TF-IDF),” ComTech Comput. Math. Eng. Appl., 2016, doi: 10.21512/comtech.v7i4.3746.

[29]    A. Bode, “K-Nearest Neighbor Dengan Feature Selection Menggunakan Backward Elimination Untuk Prediksi Harga Komoditi Kopi Arabika,” Ilk. J. Ilm., vol. 9, no. 2, pp. 188–195, 2017, doi: 10.33096/ilkom.v9i2.139.188-195.

[30]    KNIME, “Optimalisasi Parameter,” KNIME, 2020. https://hub.knime.com/knime/spaces/Examples/latest/00_Components/Automation/Parameter Optimization.

[31]    D. D. Junianto, F. Ramdani, and D. Pramono, “Sistem Informasi Penentuan Lokasi Pembangunan Kawasan Industri di Kabupaten Mojokerto Menggunakan Metode Multi-Creteria Evaluation,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 9, pp. 2476–2484, 2018, [Online]. Available: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/2329.

[32]    W. D. Septiani, “Komparasi Metode Klasifikasi Data Mining Algoritma C4.5 Dan Naive Bayes Untuk Prediksi Penyakit Hepatitis,” None, vol. 13, no. 1, pp. 76–84, 2017, doi: 10.33480/pilar.v13i1.149.

[33]    C. A. Sugianto, “Penerapan Teknik Data Mining Untuk Menentukan Hasil Seleksi Masuk Sman 1 Cibeber Untuk Siswa Baru Menggunakan Decision Tree,” Tedc, vol. 9, pp. 39–43, 2015.

[34]    S. Aji et al., “Review Sentiment Analysis of World Class Hotel Using Naive Bayes Classifier And Particle Swarm Optimization Method,” no. January 2018, 2019, doi: 10.4108/eai.24-10-2018.2280546.

[35]    V. Balakrishnan, P. K. Selvanayagam, and L. P. Yin, “Sentiment and Emotion Analyses for Malaysian Mobile Digital Payment Applications,” pp. 67–71, 2020, [Online]. Available: https://dl.acm.org/doi/pdf/10.1145/3388142.3388144.

[36]    R. Mahendrajaya, G. A. Buntoro, and M. B. Setyawan, “Analisis Sentimen Pengguna Gopay Menggunakan Metode Lexicon Based Dan Support Vector Machine,” Komputek, vol. 3, no. 2, p. 52, 2019, doi: 10.24269/jkt.v3i2.270.

[37]    S. A. Aaputra, Didi Rosiyadi, Windu Gata, and Syepry Maulana Husain, “Sentiment Analysis Analisis Sentimen E-Wallet Pada Google Play Menggunakan Algoritma Naive Bayes Berbasis Particle Swarm Optimization,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 3, no. 3, pp. 377–382, 2019, doi: 10.29207/resti.v3i3.1118.

[38]    H. Sudira, A. L. Diar, and Y. Ruldeviyani, “Instagram Sentiment Analysis with Naive Bayes and KNN: Exploring Customer Satisfaction of Digital Payment Services in Indonesia,” 2019 Int. Work. Big Data Inf. Secur. IWBIS 2019, pp. 21–26, 2019, doi: 10.1109/IWBIS.2019.8935700.

[39]    H. Wisnu, M. Afif, and Y. Ruldevyani, “Sentiment analysis on customer satisfaction of digital payment in Indonesia: A comparative study using KNN and Naïve Bayes,” J. Phys. Conf. Ser., vol. 1444, no. 1, 2020, doi: 10.1088/1742-6596/1444/1/012034.

[40]    O. F. Prihono and P. K. Sari, “Comparison Analysis Of Social Influence Marketing For Mobile Payment Using Support Vector Machine,” Kinet. Game Technol. Inf. Syst. Comput. Network, Comput. Electron. Control, vol. 4, no. 4, pp. 367–374, 2019, doi: 10.22219/kinetik.v4i4.921.

[41]    C. Jiang, Z. Wang, R. Wang, and Y. Ding, “Loan default prediction by combining soft information extracted from descriptive text in online peer-to-peer lending,” Ann. Oper. Res., vol. 266, no. 1–2, pp. 511–529, 2018, doi: 10.1007/s10479-017-2668-z.

[42]    N. Pranata and A. R. Farandy, “Big Data-Based Peer-to-Peer Lending Fintech: Surveillance System through Utilization of Google Play Review,” SSRN Electron. J., no. 943, 2019, doi: 10.2139/ssrn.3470049.

[43]    H. Moh and J. Dichter, “The Significance of Parameters ’ Optimization in Fair Benchmarking of Software Defects ’ Prediction Performances,” Int. J. Adv. Sci. Technol., no. January, 2016, [Online]. Available: https://iopscience.iop.org/article/10.1088/1757-899X/835/1/012057/pdf.

[44]    C. He, J. Xing, R. Zhu, J. Li, Q. Yang, and L. Xie, “A new model for software defect prediction using Particle Swarm Optimization and support vector machine,” 2013 25th Chinese Control Decis. Conf. CCDC 2013, pp. 4106–4110, 2013, doi: 10.1109/CCDC.2013.6561670.

[45]    Surohman, S. Aji, Rousyati, and F. F. Wati, “Analisa Sentimen Terhadap Review Fintech Dengan Metode Naive Bayes,” vol. 8, no. 1, pp. 93–105, 2020, [Online]. Available: https://ejournal.bsi.ac.id/ejurnal/index.php/evolusi/article/view/7535/4065.