Analisis Sentimen Kepuasan Pengguna Aplikasi BCA Mobile Menggunakan Metode Naïve Bayes Dan Support Vector Machine (SVM)
Keywords:
analisis sentimen, klasifikasi, scraping data ulasan, olah dataAbstract
Aplikasi BCA Mobile dirilis pada tahun 2011 yang dikelola oleh PT Bank Central Asia Tbk. Pada awalnya aplikasi BCA Mobile hanya dapat digunakan oleh pengguna BlackBerry, namun pada tahun 2012 aplikasi BCA Mobile dapat digunakan juga oleh pengguna Android dan iOS. Namun seiring waktu pengguna melaporkan bahwa ketika mereka mencoba untuk melakukan transaksi melalui aplikasi BCA Mobile, mereka mengalami kendala yang menunjukkan bahwa transaksi tidak dapat diproses dan pesan eror. Dari permasalahan yang ada, maka dilakukan penelitian yang bertujuan untuk mengetahui tanggapan pengguna berdasarkan ulasan di google play store terhadap BCA mobile. Pada penelitian ini mengguakan algoritman Naïve Bayes dan Support Vector Machine (SVM), dimana data yang di scraping berjumlah 7.000 data ulasan. Setelah melalui tahapan Pre – Processing dan pelabelan data maka di dapatkan hasil data valid berjumlah 788 data ulasan. Data yang di dapat akan dibagi menjadi data Training 80% dan data Testing 20%. Pada proses klasifikasi algoritma Naïve Bayes menghasilkan akurasi 71.0% dan algoritma Support Vector Machine (SVM) 83.2%. Jadi dari kedua metode yang di gunakan dalam proses analisis sentimen yang memilikasi akurasi lebih akurat adalah algoritma Support Vector Machine (SVM) dengan akurasi 83.2%
References
[2] Ahmad Dzulhijjah, D., Sanjaya, H., Said Wahyudi Hidayat, A., Yulistia Alwanda, A., & Utami, E. (2023). Perbandingan Metode Random Forest dan KNN pada Analisis Sentimen Twitter. Smart Comp: Jurnalnya Orang Pintar Komputer, 12(3), 767–772. https://doi.org/10.30591/smartcomp.v12i3.5106
[3] Bañez-Coronel, M., Ayhan, F., Tarabochia, A. D., Zu, T., Perez, B. A., Tusi, S. K., Pletnikova, O., Borchelt, D. R., Ross, C. A., Margolis, R. L., Yachnis, A. T., Troncoso, J. C., Ranum, L. P. W., Roos, R. A. C., Perez, M., Jin, W., Le, D., Carlozzi, N., Dayalu, P., … Frank, S. (2018).
[4] Febriana, S. (2023). Skripsi Analisis Sentimen Pengguna Mobile Banking Bca Pada Media Sosial Twitter Menggunakan Naïve Bayes Dan Support Vector Machine (Svm). 11190930000034, 1–100. https://repository.uinjkt.ac.id/dspace/handle/123456789/75077
[5] Fitriyanti, F., Hum, M., Kn, M., Wulan Rachmanti, V., & Mulya Amalia, N. (2022). Pengaruh Inovasi Digital (Mobile Banking) Bank Bca Dalam Industri Perbankan Pada Tahun 2020-2022 Terhadap Kepuasan Nasabah. June.
[6] Gunawan, F., Fauzi, M. A., & Adikara, P. P. (2017). Analisis Sentimen Pada Ulasan Aplikasi Mobile Menggunakan Naive Bayes dan Normalisasi Kata Berbasis Levenshtein Distance (Studi Kasus Aplikasi BCA Mobile). Systemic: Information System and Informatics Journal, 3(2), 1–6. https://doi.org/10.29080/systemic.v3i2.234
[7] Ii, B. A. B., & Teori, L. (2017). No Title. 1–24.
[8] Jogianto, M., Romney, M., & Jogiyanto, M. (2015). BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Pengertian sistem. 2010, 5–19.
[9] Pratiwi, R. W., H, S. F., Dairoh, D., Af’idah, D. I., A, Q. R., & F, A. G. (2021). Analisis Sentimen Pada Review Skincare Female Daily Menggunakan Metode Support Vector Machine (SVM). Journal of Informatics, Information System, Software Engineering and Applications (INISTA), 4(1), 40–46. https://doi.org/10.20895/inista.v4i1.387
[10] Ritonga, A. S., & Purwaningsih, E. S. (2018). Penerapan Metode Support Vector Machine ( SVM ) Dalam Klasifikasi Kualitas Pengelasan Smaw ( Shield Metal Arc Welding ). Ilmiah Edutic, 5(1), 17–25.
[11] Rizky Pratama, M., Ramadhan, Y. R., & Komara, M. A. (2023). Analisis Sentimen BRImo dan BCA Mobile Menggunakan Support Vector Machine dan Lexicon Based. Jutisi: Jurnal Ilmiah Teknik Informatika Dan Sistem Informasi, 12(3), 1439–1450.
[12] Rozi, F., Sukmana, F., & Adani, M. N. (2021). Pengelompokkan Judul Buku dengan Menggunakan Algoritma K-Nearest Neighbor (K-NN) dan Term Frequency – Inverse Document Frequency (TF-IDF). JIMP: Jurnal Informatika Merdeka Pasuruan, 6(3), 1–5.
[13] Ruslim, K. I., Adikara, P. P., & Indriati. (2019). Analisis Sentimen Pada Ulasan Aplikasi Mobile Banking Menggunakan Metode Support Vector Machine dan Lexicon Based Features. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 3(7), 6694–6702.
[14] Sari, W. F., Rahim, R., & Adrianto, F. (2023). Analisis Sentiment Review Pengguna Bca Mobile Menggunakan Teks Mining. Cakrawala, 6, 981–987.
[15] Sigid Widodo, A. Z. M., Pandu Kusuma, A., & Dwi Puspitasari, W. (2023). Analisis Algoritma Naive Bayes Classifier (Nbc) Pada Klasifikasi Tingkat Minat Barang Di Toko Violet Cell. JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), 87–94. https://doi.org/10.36040/jati.v7i1.5692
[16] Sipayung, E. M., Maharani, H., & Zefanya, I. (2016). Perancangan Sistem Analisis Sentimen Komentar Pelanggan Menggunakan Metode Naive Bayes Classifier. Jurnal Sistem Informasi (JSI), 8(1), 2355–4614. http://ejournal.unsri.ac.id/index.php/jsi/index
[17] Sunarko, G. S., Wasino, & Sutrisno, T. (2023). Klasterisasi Sentimen Ulasan Pengguna Aplikasi Bca Mobile Pada Platform Google Play Store Dengan Algoritma K-Means Clustering. Jurnal Ilmu Komputer Dan Sistem Informasi, 11(1). https://doi.org/10.24912/jiksi.v11i1.24145
[18] Timur, S., Aryati, R., & Sibaroni, Y. (2023). Analisis Perbandingan Model Kernel Support Vector Machine dalam Analisis Sentimen Opini Pengguna Bank BCA di Twitter. 2023.
[19] Widayat, W. (2021). Analisis Sentimen Movie Review menggunakan Word2Vec dan metode LSTM Deep Learning. Jurnal Media Informatika Budidarma, 5(3), 1018. https://doi.org/10.30865/mib.v5i3.3111
[20] Yunanto, I., & Yulianto, S. (2022). Twitter Sentiment Analysis Pedulilindungi Application Using Naïve Bayes and Support Vector Machine. Jurnal Teknik Informatika (Jutif), 3(4), 807–814. https://doi.org/10.20884/1.jutif.2022.3.4.292
