Uang elektronik merupakan salah satu inovasi pembayaran yang muncul dari dampak perkembangan teknologi yang semakin pesat. Sejak 14 Agustus 2014, Bank Indonesia mencanangkan GNNT (Gerakan Nasional Non Tunai) yang membuat sebagian masyarakat di Indonesia melakukan transaksi secara online dengan teknologi elektronik dan menjadi salah satu penyebab banyaknya bisnis perusahaan rintisan yang mengembangkan inovasi produk dibidang jasa keuangan dengan sebutan Fintech (Financial Technology). Salah satu Fintech yang saat ini populer di Indonesia yaitu dompet digital atau e-wallet diantaranya Go-Pay, OVO, DANA, LinkAja dan lain sebagainya. Pada penelitian ini, LinkAja sebagai produk fintech terpopuler ke-empat di Indonesia menggunakan twitter sebagai salah satu akun customer service yang dapat dijangkau dengan mudah oleh penggunanya. Dengan twitter menjadi akun customer service dari LinkAja menjadikan pengguna twitter dapat memberikan banyak opini atau respons di platform tersebut. LinkAja dijadikan objek penelitian karena berdasarkan riset Daily Social mengatakan produk tersebut mengalami penurunan pengguna aktif pada tahun 2019 yang artinya ia memiliki masalah yang harus di analisis. Penelitian ini akan meneliti apakah analisis sentimen dapat digunakan untuk mengetahui kemungkinan masalah yang sedang dihadapi oleh LinkAja dan mengetahui respons pengguna twitter terhadap produk tersebut. Penelitian ini dilakukan dengan analisis sentimen yang membandingan tiga metode klasifikasi yaitu Naïve Bayes,
iv
Decision Tree (C4.5), dan K-NN (K-Nearest Neighbor). Adapun analisis sentimen dilakukan dengan cara preprocessing, processing, klasifikasi dan evaluasi. Dari hasil perbandingan tersebut didapatkan hasil akurasi metode K-NN lebih unggul dibandingkan metode Naïve Bayes dan Decision Tree (C4.5). Hasil yang didapatkan dari perbandingan ketiga algoritma tersebut adalah akurasi tertinggi algoritma Naïve Bayes didapatkan menggunakan fitur ekstraksi Term Frequency dengan hasil 60,55%, presisi (specificity) 54.56%, recall (sensitifity) 58.50% dan F1-Measure sebesar 55.01%. Akurasi tertinggi algoritma Decision Tree (C4.5) didapatkan menggunakan fitur ekstraksi Term Occurrences dan Binary Term Occurrences dengan hasil sama yaitu 68.49%, presisi (specificity) 54.30%, recall (sensitifity) 43.27% dan F1-Measure sebesar 41.85%. Akurasi tertinggi algoritma K-NN didapatkan menggunakan fitur ekstraksi TF-IDF dengan hasil 73.45%, presisi (specificity) 63.79%, recall (Sensitifity) 63.32%, dan F1-Measure sebesar 63.53%. Adapun pada penelitian ini, pengguna twitter cenderung merespon dengan komentar negative yang berisi keluhan, komplain, komentar menuntut, dan ketidaknyamanan pengguna twitter terhadap produk LinkAja.
Kata kunci: Analisis Sentimen, Twitter, Klasifikasi, E-wallet, LinkAja.