Analisis Sentimen Pada Ulasan Aplikasi Superbank Dengan Metode Support Vector Machine Dan Naive Bayes

Mawadatul Maulidah, Angga Ardiansyah, Suleman Suleman, Lina Putri Gemilang, Novi Fitria Indriarti

Abstract


Perkembangan teknologi digital telah mendorong perbankan untuk bertransformasi menuju perbankan digital, salah satunya melalui aplikasi perbankan digital seperti Superbank. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi Superbank dengan menggunakan metode Support Vector Machine (SVM) dan Naive Bayes. Data yang digunakan berupa ulasan pengguna yang diambil dari Google Play Store melalui teknik web scraping, dengan 1.000 sampel ulasan yang dibagi menjadi data pelatihan (80%) dan data pengujian (20%). Proses pre-processing dilakukan untuk mempersiapkan data, mencakup case folding, stopword removal, dan stemming, serta vektorisasi menggunakan metode TF-IDF. Hasil analisis menunjukkan bahwa SVM memiliki akurasi 92,20% dengan nilai AUC 0,999, sementara Naive Bayes memiliki akurasi 92,81% dengan nilai AUC 0,643. SVM unggul dalam hal presisi dan kemampuan diskriminasi sentimen, sedangkan Naive Bayes lebih unggul dalam recall, yang menunjukkan kemampuannya untuk lebih sensitif dalam mengidentifikasi ulasan positif. Hasil penelitian ini memberikan wawasan penting bagi pengembang aplikasi Superbank untuk meningkatkan kualitas layanan berdasarkan umpan balik pengguna, serta merekomendasikan penggunaan SVM untuk analisis sentimen yang lebih akurat dan andal.

Full Text:

PDF

References


Adli, M. A., & Firgia, L. (2018). Rancang bangun web scraping pada media online berita nasional. Jurnal ENTER, 1, 118–128.

Agustyaningrum, C. I., Gata, W., Nurfalah, R., Radiyah, U., & Maulidah, M. (2020). Komparasi algoritma naive bayes, random forest dan SVM untuk memprediksi niat pembelanja online. Jurnal Informatika, 20(2), 164–173.

Astuti, A. P., Alam, S., & Jaelani, I. (2022). Komparasi algoritma Support Vector Machine dengan Naive Bayes untuk analisis sentimen pada aplikasi BRImo. Bangkit Indonesia, 11(2).

Audiansyah, D., Ratnawati, D., & Hanggara, B. T. (2022). Analisis sentimen aplikasi MyXL menggunakan metode support vector machine berdasarkan ulasan pengguna di Google Play Store. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 6(8).

Deffry, M., Ardiansyah, A., Fadhilah, M. F., Negeri Jakarta, U., & Rawamangun Muka No, J. (2022). Analisis wilayah rawan banjir dengan menggunakan metode skoring dan overlay di Kecamatan Makasar. Jurnal Sains Geografi, 1(2), 2023. https://doi.org/10.2210/jsg.vx1ix.xxx

Indah, R., Huda, U. R., & Asmeru, A. P. (2023). Perubahan bank di Indonesia dari bank konvensial menjadi bank digitalisasi di era evaluasi industri 4.0. Student Research Journal, 1(3).

Julianto, I. T. (2022). Analisis sentimen terhadap sistem informasi akademik Institut Teknologi Garut. Jurnal Algoritma, 19(1).

Juniandika, I. M., Mahendra, I. B. M., & Pramartha, D. C. (2023). Penerapan sistem analisis sentimen pada aplikasi mobile banking PT. Bank Rakyat Indonesia. Vol. 2.

Kurniawan, R., & Wijaya, A. Y. (2024). Analisis sentimen pengguna terhadap aplikasi Blu BCA di Playstore menggunakan algoritma Naïve Bayes (Studi kasus sentimen pengguna terhadap pengalaman aplikasi Blu BCA). Jurnal Mahasiswa Teknik Informatika, 8.

Latifah, I., & Dora, Y. M. (2023). Pengaruh kualitas pelayanan elektronik dan promosi terhadap loyalitas pengguna bank digital. JIIP - Jurnal Ilmiah Ilmu Pendidikan, 6(3).

OJK. (2024). Transformasi digital perbankan: Wujudkan bank digital. SIKAPI. https://sikapiuangmu.ojk.go.id/FrontEnd/CMS/Article/40774

Sabrila, T. S., Sari, V. R., & Minarno, A. E. (2021). Analisis sentimen pada tweet tentang penanganan Covid-19 menggunakan word embedding pada algoritma support vector machine dan k-nearest neighbor. Fountain of Informatics Journal, 6(2).

Sari, F. V., & Wibowo, A. (2019). Analisis sentimen pelanggan toko online Jd.Id menggunakan metode Naïve Bayes classifier berbasis konversi ikon emosi. Jurnal Simetris, 10(2), 681–686.

Sujjada A, Nurfazri Novianti J, Griha Tofik Isa I. ANALISIS SENTIMEN TERHADAP REVIEW BANK DIGITAL PADA GOOGLE PLAY STORE MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM). 2023;9(2):122–35. Available from: https://rekayasa.nusaputra.ac.id/index.

Superbank. (2024). Sejarah Kami - Superbank - Teman Andalan Untuk Keuanganmu. https://www.superbank.id/tentang-kami/sejarah-kami

Suryati, E., Styawati, & Aldino, A. A. (2023). Analisis sentimen transportasi online menggunakan ekstraksi fitur model Word2vec text embedding dan algoritma Support Vector Machine (SVM). Jurnal Teknologi dan Sistem Informasi, 4(1), 96–106.https://doi.org/10.33365/jtsi.v4i1.2445

Wahyudi, R., & Kusumawardana, G. (2021). Analisis sentimen pada aplikasi Grab di Google Play Store menggunakan support vector machine. Jurnal Informatika, 8(2), 200-207.




DOI: https://doi.org/10.31294/ijse.v10i2.24632

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 

ISSN : 2714-9935 


Published by LPPM Universitas Bina Sarana Informatika

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450


This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License