Analisis Sentimen Sistem Pembayaran BI-FAST Menggunakan Metode Semantic Orientation CALculator (SO-CAL)

Abstract

Abstract. The development of digital payment systems has encouraged an increase of the number of user of Bank Indonesia Fast Payment (BI-FAST) users as a real-time fund transfer infrastructure that has become the public's top priority in transferring funds. The increasing use of BI-FAST has also encouraged people to share experiences, opinions, and complaints through social media. Thus, it is important to get the tendency or sentiment of the opinion of BI-FAST’s users in order to improve BI-FAST services in the future. In this study, a sentiment analysis was conducted using the Semantic Orientation CALculator (SO-CAL) method to classify user opinions into positive and negative sentiment categories. The SO-CAL method was chosen because it considers the linguistic elements such as negation, intensifiers, and text-level features so such that it can determine the sentiment sentences that have complex structures or meanings. This study used 1.700 user reviews from social media X, collected during the period of January 1 to December 31 2025 and after preprocessing it was obtained 1.087 1,087. The results showed that user opinion was dominated by negative sentiments in 797 posts or 73.3%, with the highest spike in complaints in August. Meanwhile, positive sentiments amounted to 297 posts or 26,7%, with the highest spike in February.

Abstrak. Perkembangan sistem pembayaran digital telah mendorong peningkatan jumlah pengguna Bank Indonesia Fast Payment (BI-FAST) sebagai infrastruktur transfer dana secara real-time yang kini menjadi pilihan utama masyarakat dalam melakukan transfer dana. Meningkatnya penggunaan BI-FAST juga mendorong masyarakat untuk berbagi pengalaman, pendapat, dan keluhan melalui media sosial. Oleh karena itu, penting untuk mengetahui tren atau sentimen pendapat pengguna BI-FAST guna meningkatkan layanan BI-FAST di masa depan. Dalam penelitian ini, analisis sentimen dilakukan dengan menggunakan metode Semantic Orientation CALculator (SO-CAL) untuk mengklasifikasikan pendapat pengguna ke dalam kategori sentimen positif dan negatif. Metode SO-CAL dipilih karena metode ini mempertimbangkan unsur-unsur linguistik seperti negasi, penguat, dan fitur tingkat teks, sehingga mampu menentukan sentimen dari kalimat-kalimat yang memiliki struktur atau makna kompleks. Dalam penelitian ini, analisis sentimen dilakukan dengan menggunakan metode Semantic Orientation CALculator (SO-CAL) untuk mengklasifikasikan opini pengguna ke dalam kategori sentimen positif dan negatif. Penelitian ini menggunakan 1.700 ulasan pengguna dari media sosial X, yang dikumpulkan selama periode 1 Januari hingga 31 Desember 2025, dan setelah melalui proses preprocessing, diperoleh 1.087 ulasan. Hasil penelitian menunjukkan bahwa opini pengguna didominasi oleh sentimen negatif pada 797 postingan atau 73,3%, dengan lonjakan keluhan tertinggi terjadi pada bulan Agustus. Sementara itu, sentimen positif berjumlah 297 postingan atau 26,7%, dengan lonjakan tertinggi terjadi pada bulan Februari.