
<div style="border:1px solid #990000;padding-left:20px;margin:0 0 10px 0;">

<h4>A PHP Error was encountered</h4>

<p>Severity: Notice</p>
<p>Message:  Undefined offset: 1</p>
<p>Filename: controllers/Document.php</p>
<p>Line Number: 69</p>


	<p>Backtrace:</p>
	
		
			<p style="margin-left:10px">
			File: /home/rama/public_html/application/controllers/Document.php<br />
			Line: 69<br />
			Function: _error_handler			</p>

		
			<p style="margin-left:10px">
			File: /home/rama/public_html/index.php<br />
			Line: 296<br />
			Function: require_once			</p>

		
</div>@thesis{thesis,
		author={ },
		title ={Analisis Sentimen Kualitas Layanan Teknologi Pembayaran Elektronik di Twitter (Studi Kasus OVO dan Dana)},
		year={2021},
		url={https://digilib.unesa.ac.id/detail/MDUyZTE0OTAtZTg4ZC0xMWViLTk0OTgtMmI5ODRlMzgxMmQ1},
		abstract={Teknologi yang semakin berkembang memberikan kemudahanbagi para pengguna dalam berbagai aspek. Teknologi Finansial atau lebih dikenaldengan fintech saat ini tengah berkembang di masyarakat dan menawarkankemudahan dalam hal transaksi. Namun seiring perkembangan, penyedia jasa fintechdi Indonesia semakin banyak bermunculan. OVO dan DANA merupakan salah satupenyedia jasa fintech terbesar dan memiliki jumlah pengguna terbanyak diIndonesia. Saat ini perkembangan media sosial banyak dimanfaatkan olehperusahaan untuk mendapatkan opini atau tanggapan terkait produk yangditawarkan, salah satunya media sosial Twitter. Pelanggan yang puas dan kurangpuas dengan layanan produk yang diberikan perusahaan dapat menuliskannyamelalui tweet yang diunggah di media sosial Twitter. Kemudahanpengambilan data pada media sosial Twitter dimanfaatkan untuk melakukanpenelitian ini. Penelitian ini bertujuan untuk menganalisa sentimen penggunaterhadap layanan OVO dan DANA yang diungggah di Twitter dalam cuitan penggunaatau yang disebut tweets. Penelitian ini menggunakan tiga modelklasifikasi yaitu Nave Bayes Classifier, Support Vector Machine (SVM)dan K-Nearest Neighbor. Penelitian ini mendapatkan hasil bahwa sentimennegatif pengguna masih lebih tinggi dibandingkan sentimen positif terhadapaplikasi OVO dan Dana, model SVM merupakan model machine learning yangmendapatkan hasil akurasi paling tinggi pada data OVO dan DANA yaitu 81,33% dan86,23% sedangkan NB hanya 80,63% dan 86,19% serta model K-NN sebesar 75,83% dan86,19% sehingga dapat disimpulkan SVM menjadi model paling baik berdasarkandengan nilai metrics akurasi, presisi, recall dan f-measure atauf1. Selain itu dari hasil olah kata di wordcloud ditemukan bahwa kendalaterbesar yang dialami OVO dan Dana terletak pada keandalan aplikasi dalammelakukan transaksi dan kemampuan staf dalam melakukan respon terhadap keluhanpengguna. Hal tersebut dibuktikan dengan banyaknya komentar negatif penggunaaplikasi OVO dan Dana terkait kendala mereka dalam melakukan transfer uang danbahkan kehilangan uang mereka karena lambatnya penanganan dari customerservice.}
		}