ANALISIS SENTIMEN ULASAN APLIKASI BTN MOBILE MENGGUNAKAN ALGORITMA NAIVE BAYES
DOI:
https://doi.org/10.23960/jitet.v13i1.6002Abstract Views: 201 File Views: 149
Abstract
Perkembangan layanan perbankan digital, terutama aplikasi mobile banking, telah meningkatkan kebutuhan akan analisis yang efektif terhadap ulasan pengguna untuk perbaikan kualitas aplikasi. Penelitian ini bertujuan untuk memanfaatkan algoritma Naïve Bayes dalam menganalisis sentimen pada ulasan aplikasi BTN Mobile di Google Play Store. Data yang digunakan terdiri dari 1.000 ulasan yang dikumpulkan melalui web scraping. Tahapan penelitian meliputi preprocessing teks, pembobotan kata menggunakan TF-IDF, dan klasifikasi sentimen menggunakan algoritma Naive Bayes. Tiga skenario pembagian data digunakan, yaitu 80:20, 70:30, dan 60:40, dengan hasil terbaik pada skenario 80:20 dengan akurasi 85,5%, precision 83%, recall 85%, dan F1-score 81%. Hasil analisis menunjukkan bahwa Naive Bayes efektif dalam mengklasifikasikan sentimen ulasan, meskipun ada tantangan dalam mengenali sentimen netral. Penelitian ini memberikan kontribusi bagi pengembang aplikasi untuk memahami persepsi pengguna dan meningkatkan kualitas layanan aplikasi BTN Mobile.Downloads
References
M. Tartila and Asmuni, “Strategi Industri Perbankan Syariah dalam Menghadapi Era Digital,” Jurnal Ilmiah Ekonomi Islam, vol. 8, no. 3, pp. 3310–3316, Nov. 2022, doi: 10.29040/jiei.v8i3.6408.
T. Arbar, “Daftar 10 Bank Terbesar di Indonesia, OCBC Naik - BDMN Terpental,” cnbcindonesia.com.
T. Sujatmiko, “Dekati Generasi Z, BTN Mobile jadi One Stop Financial Solution,” krjogja.com.
Google Indonesia, “6 hal yang perlu diketahui tentang Google Play dan sistem penagihannya,” blog.google.
M. D. Hendriyanto, A. A. Ridha, and U. Enri, “ANALISIS SENTIMEN ULASAN APLIKASI MOLA PADA GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE,” Journal of Information Technology and Computer Science (INTECOMS), vol. 5, no. 1, 2022.
A. N. Hasanah and B. N. Sari, “ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI JASA OJEK ONLINE MAXIM PADA GOOGLE PLAY DENGAN METODE NAÏVE BAYES CLASSIFIER,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 1, Jan. 2024, doi: 10.23960/jitet.v12i1.3628.
T. S. Gumilar, R. Astuti, and Y. A. Wijaya, “ANALISIS SENTIMEN ULASAN APLIKASI LITA DI PLAY STORE MENGGUNAKAN ALGORITMA NAIVE BAYES,” Jurnal Mahasiswa Teknik Informatika, vol. 8, no. 1, p. 543, 2024.
R. Wesley and R. Gunawan, “LITERATUR REVIEW: METODE DEEP LEARNING UNTUK ANALISIS TEKS,” Jurnal Mahasiswa Teknik Informatika, vol. 8, no. 5, 2024.
I. Loelianto, Moh. S. S. Thayf, and H. Angriani, “IMPLEMENTASI TEORI NAÏVE BAYES DALAM KLASIFIKASI CALON MAHASISWA BARU STMIK KHARISMA MAKASSAR,” Science and Information Technology, vol. 3, no. 2, 2020, [Online]. Available: https://doi.org/10.31598
M. T. Nitami and H. Februariyanti, “ANALISIS SENTIMEN ULASAN EKSPEDISI J&T EXPRESS MENGGUNAKAN ALGORITMA NAÏVE BAYES,” Jurnal Manajemen Informatika & Sistem Informasi, vol. 5, no. 1, Jan. 2022.
A. Putri and A. D. Indriyanti, “Evaluasi Usability Aplikasi BTN Mobile dengan Metode User Experience Questionnaire dan Heuristic Evaluation,” JEISBI, vol. 3, no. 2, Nov. 2022.
N. Arifin, U. Enri, and N. Sulistiyowati, “PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) DENGAN TF-IDF N-GRAM UNTUK TEXT CLASSIFICATION,” Satuan Tulisan Riset dan Inovasi Teknologi, no. 2, Dec. 2021.
R. N. Amalda, N. Millah, and I. Fitria, “IMPLEMENTASI ALGORITMA C5.0 DALAM MENGANALISA KELAYAKAN PENERIMA KERINGANAN UKT MAHASISWA ITK,” Teorema: Teori dan Riset Matematika, vol. 7, no. 1, p. 101, Mar. 2022, doi: 10.25157/teorema.v7i1.6692.
