ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI KROM BANK DIGITAL MENGGUNAKAN NAÏVE BAYES, LOGISTIC REGRESSION, DAN SUPPORT VECTOR MACHINE
Abstract
Perkembangan teknologi informasi mendorong meningkatnya penggunaan aplikasi perbankan digital yang menghasilkan banyak ulasan pengguna pada Google Play Store. Ulasan tersebut penting untuk evaluasi layanan, namun jumlahnya yang besar menyulitkan analisis manual sehingga diperlukan pendekatan text mining otomatis. Penelitian ini bertujuan menganalisis sentimen ulasan pengguna aplikasi Krom Bank Digital serta membandingkan kinerja algoritma Naive Bayes, Logistic Regression, dan Support Vector Machine (SVM). Dataset yang digunakan berjumlah 11.718 ulasan, dan setelah proses pelabelan serta penghapusan data netral diperoleh 11.463 data. Tahapan penelitian meliputi preprocessing teks, ekstraksi fitur menggunakan TF-IDF, dan proses klasifikasi. Hasil penelitian menunjukkan bahwa SVM memberikan performa terbaik dengan akurasi 95,60% dan cross validation 95,21%, dibandingkan dua algoritma lainnya. Dengan demikian, SVM menjadi model paling optimal dalam klasifikasi sentimen. Penelitian ini diharapkan dapat membantu pengembang aplikasi dalam meningkatkan kualitas layanan serta memberikan gambaran mengenai opini pengguna melalui analisis data ulasan berbasis machine learning.
Downloads
References
A. Suharman and M. Kamayani Sulaeman, “Analisis Sentimen Pengguna Aplikasi Livin’ by Mandiri Menggunakan Metode Support Vector Machine (SVM) dengan Ekstraksi Fitur TF-IDF dan Word2Vec,” Jurnal Pendidikan dan Teknologi Indonesia, vol. 5, no. 8, pp. 2201–2212, Aug. 2025, doi: 10.52436/1.jpti.941.
M. Saputra and Sri Wahyuni, “ANALISIS SENTIMEN PENGGUNA PADA APLIKASI BANK DIGITAL KROM DENGAN ALGORITMA SUPPORT VECTOR MACHINE,” INFOTECH journal, vol. 10, no. 2, pp. 327–332, Nov. 2024, doi: 10.31949/infotech.v10i2.11801.
A. Hilman Hakim et al., “Analisis Sentimen Aplikasi Bank Digital Pada Google Play Store Menggunakan Algoritma Naive Bayes,” Journal of Informatics and Communications Technology, vol. 7, no. 1, pp. 23–034, Jun. 2025, doi: 10.52661.
A. Setiawan, ) Firman, N. Hasan, and R. Artikel, “ANALISIS SENTIMEN TANGGAPAN PENGGUNA APLIKASI BALE BY BTN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) 1) INFO ARTIKEL ABSTRAK,” Jurnal Ilmiah Teknik dan Ilmu Komputer, vol. 4, no. 4, pp. 315–326, Nov. 2025, doi: 10.55123.
D. Mariyani, A. Irma Purnamasari, I. Ali, O. Nurdiawan, and R. Nurdiawan, “ANALISIS SENTIMEN ULASAN APLIKASI BANK JAGO MENGGUNAKAN SUPPORT VECTOR MACHINE DAN NEURAL NETWORK, SENTIMENT ANALYSIS OF BANK JAGO APPLICATION REVIEWS USING SUPPORT VECTOR MACHINE AND NEURAL NETWORK,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 14, no. 1, Jan. 2026, doi: 10.23960/jitet.v14i1.8775.
F. Adelia Irawan, A. Rialdy Atmadja, A. Wahana, T. Informatika, and U. Sunan Gunung Djati Bandung, “Analisis Sentimen Ulasan Aplikasi Bank Digital Menggunakan Algoritma Naive Bayes,” 2024.
A. N. I. Pasha, E. F. Putri, L. Muthoharoh, A. Satria, and M. C. T. Manullang, “Hybrid TF--IDF Logistic Regression and MLP Neural Baseline for Indonesian Three-Class Sentiment Analysis on Social Media Text,” Cornell University, vol. 6, no. 2, May 2026, doi: https://doi.org/10.48550/arXiv.2605.07793.
N. Nurdin, S. Abadi, and Y. Afrillia, “Classification System for Soil Types Suitable for Food Crops using Naïve Bayes Method,” Sistemasi: Jurnal Sistem Informasi, vol. 13, no. 3, Apr. 2024, doi: DOI:https://doi.org/10.32520/stmsi.v13i3.3956.
T. Raisha Dwiva Putri, M. Rudi Sanjaya, M. Afriyan Firdaus, and D. Rosa indah, “Implementation of the K-Nearest Neighbors Algorithm for Sentiment Analysis on Aladin Bank Application Reviews,” Indonesian Journal of Machine Learning and Computer Science, vol. 6, no. 2, pp. 608–618, Apr. 2026, doi: 10.57152/malcom.v6i2.2633.
N. Z. Zahra, S. Farhanatussaidah, N. N. Afifah, L. Muthoharoh, A. Satria, and M. C. T. Manullang, “Benchmarking Logistic Regression, SVM, Naive Bayes, and IndoBERT Fine-Tuning for Sentiment Analysis on Indonesian Product Reviews,” Cornell University, vol. 4, no. 3, May 2026, doi: https://doi.org/10.48550/arXiv.2605.03439.
A. Alaiya, N. Nurdin, and C. Agusniar, “Sentiment Analysis of E-Commerce Product Reviews on Tokopedia Using Support Vector Machine,” Journal of Applied Informatics and Computing (JAIC), vol. 9, no. 5, p. 2869, Oct. 2025, doi: https://doi.org/10.30871/jaic.v9i5.10977.
N. Nurdin, “Klasifikasi Penerima Bantuan dari Kepemilikan Kartu Pelaku Utama Sektor Kelautan dan Perikanan Dengan Metode Support Vector Machine,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 3, Aug. 2024, doi: 10.23960/jitet.v12i3.4507.
S. F. Ngalo, I. R. H. T. Tangkawarow, and K. Santa, “Analisis Sentimen Terhadap Ulasan Aplikasi Bsgtouch Menggunakan Algoritma Support Vector Machine,” Jurnal Minfo Polgan, vol. 14, no. 2, pp. 2990–2998, Nov. 2025, doi: 10.33395/jmp.v14i2.15636.
G. hirzi Farizi, A. Voutama, and A. D. Hakim, “ANALISIS SENTIMEN MAHASISWA TERHADAP KETERSEDIAAN FASILITAS DI FAKULTAS ILMU KOMPUTER UNIVERSITAS SINGAPERBANGSA KARAWANG,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 13, no. 3, Jul. 2025, doi: 10.23960/jitet.v13i3.6544.
R. A. Munir, “ANALISIS SENTIMEN CUITAN DI MEDIA SOSIAL X TENTANG PROGRAM MAKAN BERGIZI GRATIS DENGAN METODE NLP,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 13, no. 3, Jul. 2025, doi: 10.23960/jitet.v13i3.6912.
D. Pebrianti, H. Kurniawan, L. Bayuaji, and R. Rusdah, “XgBoost Hyper-Parameter Tuning Using Particle Swarm Optimization for Stock Price Forecasting,” Jurnal Ilmiah Teknik Elektro Komputer dan Informatika, vol. 9, no. 4, pp. 1179–1195, Jan. 2024, doi: 10.26555/jiteki.v9i4.27712.
A. Dwi Syafutra, P. Korespondensi, and R. Artikel, “Analisis sentimen omnibus law di Twitter dengan machine learning dan teknik resampling,” Jambura Journal of Informatics, vol. 7, no. 1, pp. 22–35, 2025, doi: 10.37905/jji.v1i1.30395.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
