Analisis Sentimen Ulasan Qris Berbasis Naïve Bayes Dengan Penerapan Teknik Random Oversampling

Abstract

Pesatnya perkembangan teknologi finansial telah menempatkan Quick Response Code Indonesian Standard (QRIS) sebagai metode pembayaran digital yang sangat penting di Indonesia. Seiring dengan adopsinya yang masif, ulasan pengguna pada platform seperti Google Play Store menyediakan informasi otentik mengenai tingkat kepuasan maupun kendala teknis pengguna. Namun, analisis sentimen pada data teks ini seringkali menghadapi masalah ketidakseimbangan kelas (class imbalance) yang menyebabkan algoritma klasifikasi standar menjadi bias terhadap kelas mayoritas. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap penggunaan QRIS pada aplikasi dompet digital DANA, GoPay, dan OVO dengan membandingkan performa algoritma Multinomial Naïve Bayes sebelum dan sesudah penerapan teknik penyeimbangan data. Metodologi penelitian mengimplementasikan kerangka kerja Knowledge Discovery in Databases (KDD) dengan memanfaatkan dataset ulasan yang divalidasi menggunakan kata kunci khusus transaksi QRIS. Hasil eksperimen menunjukkan bahwa model awal yang dilatih menggunakan data asli (Skenario 1) menghasilkan akurasi global sebesar 79,41%, namun memiliki kelemahan dalam mendeteksi keluhan pengguna dengan nilai recall sentimen negatif yang hanya menyentuh 66%. Sebaliknya, penerapan teknik Random Oversampling (Skenario 2) terbukti efektif meningkatkan sensitivitas model terhadap kelas minoritas secara signifikan, di mana nilai recall sentimen negatif melonjak naik menjadi 76% dan tebakan benar terhadap ulasan keluhan meningkat dari 19 menjadi 22 ulasan, meskipun akurasi global mengalami penyesuaian menjadi 73,53%. Kesimpulannya, pemodelan berbasis Random Oversampling jauh lebih andal dan direkomendasikan untuk analisis sentimen di dunia nyata karena mampu meminimalkan risiko bias komputasi serta menghasilkan model yang lebih peka dan objektif dalam menjaring ulasan kritik dari para pengguna pembayaran digital.