Comparative Aspect-Based Sentiment Analysis of Indonesian Online Lending Applications Using IndoBERT and Machine Learning: A Multi-APP User

Sektor keuangan digital di Indonesia telah menghasilkan jutaan ulasan pengguna pada platform distribusi aplikasi, sehingga menciptakan sumber informasi yang belum dimanfaatkan secara optimal untuk mengevaluasi kualitas layanan dan mendukung pengawasan regulator. Penelitian-penelitian sebelumnya umumnya menerapkan klasifikasi sentimen biner pada masing-masing aplikasi secara terpisah, sehingga belum mampu menangkap dinamika sentimen pada tingkat aspek yang membedakan platform-platform yang bersaing serta mengabaikan karakteristik linguistik bahasa Indonesia yang dipenuhi oleh bahasa gaul, alih kode (code-switching), dan kosakata yang bersifat spesifik terhadap domain. Penelitian ini mengusulkan kerangka kerja Comparative Aspect-Based Sentiment Analysis (ABSA) yang diterapkan pada lima aplikasi pinjaman daring yang terdaftar di Otoritas Jasa Keuangan (OJK), yaitu Kredivo, Akulaku, AdaKami, Indodana, dan Julo, dengan menggunakan 12.500 ulasan pengguna yang dikumpulkan dari Google Play Store. Alur kerja yang diusulkan mengintegrasikan IndoBERT yang telah di-fine-tune menggunakan korpus keuangan spesifik domain dengan tahap prapemrosesan berbasis leksikon yang memanfaatkan Sastrawi stemmer serta kamus bahasa gaul keuangan Indonesia berisi 500 entri yang telah dikurasi. Klasifikasi sentimen dilakukan terhadap lima aspek layanan, yaitu suku bunga dan biaya, proses pengajuan pinjaman, responsivitas layanan pelanggan, keamanan dan privasi data, serta kinerja teknis aplikasi. Hasil eksperimen menunjukkan bahwa IndoBERT memperoleh nilai macro-averaged F1-score tertinggi sebesar 87,42%, melampaui model pembanding seperti Naive Bayes (71,63%), Support Vector Machine (79,88%), dan CNN-BiLSTM (83,15%). Julo dan Kredivo menjadi aplikasi dengan proporsi sentimen positif tertinggi, masing-masing sebesar 72,4% dan 68,1%, sedangkan AdaKami mencatat proporsi sentimen positif terendah sebesar 32,7%, yang terutama disebabkan oleh banyaknya keluhan terkait aspek keamanan data dan layanan pelanggan. Temuan penelitian ini memberikan rekomendasi yang bersifat praktis dan berbasis bukti bagi regulator OJK maupun pengembang teknologi finansial (fintech) mengenai prioritas peningkatan kualitas layanan berdasarkan umpan balik autentik dari para pengguna.