Perbandingan Metode Aspect-Based Sentiment Analysis (ABSA) untuk Identifikasi Aspek Penyebab Technostress pada Ulasan Pengguna Fintech (Studi Kasus: Aplikasi LinkAja)

Fio Mel Nathany, Prof. Ir. P. Insap Santosa, M.Sc., Ph.D., IPU.; Ir. Azkario Rizky Pratama, S.T., M.Eng., Ph.D.

2025 | Skripsi | TEKNOLOGI INFORMASI

Perkembangan teknologi telah mengubah cara manusia melakukan aktivitas finansial, termasuk dalam penggunaan dompet digital seperti LinkAja. Meskipun menjadi salah satu dari lima dompet digital paling populer di Indonesia, LinkAja memiliki rating aplikasi yang lebih rendah dibandingkan para pesaingnya di Google Play Store, yang dapat disebabkan oleh technostress yang dialami pengguna. Beberapa penelitian sebelumnya telah melakukan Aspect-Based Sentiment Analysis (ABSA) terhadap ulasan pengguna aplikasi fintech menggunakan metode machine learning, namun sebagian besar terbatas pada satu algoritma saja. Oleh karena itu, penelitian ini bertujuan untuk membandingkan performa beberapa algoritma klasifikasi untuk menentukan metode terbaik, sekaligus mengidentifikasi aspek-aspek penyebab technostress berdasarkan ulasan pengguna aplikasi LinkAja.

Empat metode yang dibandingkan adalah Support Vector Machine, Naive Bayes, Logistic Regression, dan Random Forest. Pelabelan aspek dilakukan menggunakan Latent Dirichlet Allocation (LDA), sementara itu ekstraksi fitur dilakukan dengan TF-IDF. Untuk mengatasi ketidakseimbangan data, dilakukan oversampling data dengan SMOTE. Hasil penelitian menunjukkan bahwa aspek utama penyebab technostress adalah fitur live chat pada Layanan Pelanggan. Selain itu, dari keempat algoritma yang dibandingkan, Logistic Regression mendapatkan performa terbaik dengan rata-rata f1-score sebesar 88,84?n akurasi sebesar 92,45%.

Technology development has changed how society conducts financial activities, including the use of digital wallets such as LinkAja. Although LinkAja is one of the five most popular digital wallets in Indonesia, it has a lower rating on the Google Play Store compared to its competitors, which may be attributed to technostress experienced by its users Previous studies have applied Aspect-Based Sentiment Analysis (ABSA) to user reviews of fintech applications using machine learning methods. However, most of them were limited to the use of a single classification algorithm. Therefore, this study aims to compare the performance of several classification algorithms to determine the most effective method, while also identifying aspects that contribute to technostress based on user reviews of the LinkAja application.

There are four algorithms to compare, namely Support Vector Machine, Naive Bayes, Logistic Regression, and Random Forest. Aspect labeling is performed using Latent Dirichlet Allocation (LDA), while feature extraction is conducted using TF-IDF. To solve the data imbalance problem, data oversampling is done by SMOTE. The results show that the main aspect causing technostress is the live chat feature in the Customer Service aspect. Meanwhile, among the four algorithms evaluated, Logistic Regression achieved the best performance, with an average f1-score of 88.84% and an accuracy of 92.45%.

Kata Kunci : Aspect-Based Sentiment Analysis, Ulasan Pengguna, Klasifikasi Teks, Technostress, LinkAja