ANALISIS SENTIMEN PELANGGAN TERHADAP APLIKASI WONDR BY BNI MENGGUNAKAN NAIVE BAYES, SUPPORT VECTOR MACHINE (SVM), DAN K-NEAREST NEIGHBOR (KNN)
Abstract
Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi Wondr by BNI berdasarkan ulasan yang diperoleh dari Google Play Store. Pengumpulan data dilakukan melalui teknik web scraping menggunakan library google-play-scraper dengan parameter tertentu untuk memastikan relevansi dan kesesuaian data dalam konteks lokal. Data yang diperoleh kemudian diproses melalui tahapan preprocessing, yang mencakup case folding, cleansing, normalisasi, tokenisasi, dan penghapusan stopwords guna meningkatkan kualitas analisis. Selanjutnya, data direpresentasikan menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF) untuk mengukur bobot kata dalam ulasan. Analisis sentimen dilakukan dengan menerapkan tiga algoritma pembelajaran mesin, yaitu Naïve Bayes, Support Vector Machine (SVM), dan K-Nearest Neighbor (KNN), guna mengklasifikasikan ulasan ke dalam kategori sentimen positif, negatif, dan netral. Hasil penelitian menunjukkan bahwa metode preprocessing yang diterapkan mampu meningkatkan kualitas data untuk analisis sentimen. Algoritma SVM memberikan akurasi tertinggi dibandingkan dengan Naïve Bayes dan KNN dalam mengklasifikasikan sentimen pengguna. Temuan ini dapat dimanfaatkan oleh pengembang aplikasi dalam meningkatkan layanan dan pengalaman pengguna berdasarkan umpan balik yang telah dianalisis.
Kata Kunci: Analisis Sentimen, Machine Learning, TF-IDF, Wondr By BNI, Google Play Store
References
Astuti, Y. W., Agriyanto, R., & Turmudzi, A. (2020). Pengaruh Kualitas Layanan, Nilai Nasabah, Kepercayaan dan Kepuasan Terhadap Loyalitas Nasabah Pengguna Layanan Mobile Banking Syariah. Jurnal Sains Pemasaran Indonesia (Indonesian Journal of Marketing Science), 19(3), 134–158. https://doi.org/10.14710/jspi.v19i3.134-158
Burhani, H. R., Fitri, I., & Andrianingsih, A. (2020). Perbandingan Naïve bayes dan Certainty factor pada Sistem Pakar Untuk Mendiagnosa Dini Penyakit Glaukoma. Jurnal JTIK (Jurnal Teknologi Informasi Dan Komunikasi), 5(3), 291–299. https://doi.org/10.35870/jtik.v5i3.183
Chlarasasti, Y., & Nuryana, I. K. D. (2023). Komparasi Algoritma Naïve Bayes dan Random Forest Dalam Mengetahui Kepuasan Pengguna Aplikasi Jenius. Journal of Emerging Information System and Business Intelligence (JEISBI), 4(3), 64–72.
Dimas, W. B., & Suryono, R. R. (2023). Analisis sentimen aplikasi tiktok menggunakan algoritma naïve bayes dan support vector machine. TEKNOSAINS : Jurnal Sains, Teknologi Dan Informatika, 10(2), 176–184. https://doi.org/10.37373/tekno.v10i2.419
Garbo, A., & Latifah, H. R. (2024). Optimasi Pelayanan Nasabah Bank Syariah Indonesia Melalui Penggunaan Kecerdasan Buatan. Jurnal Masharif Al-Syariah: Jurnal Ekonomi Dan Perbankan Syariah, 9(204), 846–862.
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
Hakim, B. (2021). Analisa Sentimen Data Text Preprocessing Pada Data Mining Dengan Menggunakan Machine Learning. JBASE - Journal of Business and Audit Information Systems, 4(2), 16–22. https://doi.org/10.30813/jbase.v4i2.3000
Hamzah, M. (2024). Analisis Kualitas Layanan Aplikasi WONDR by BNI Terhadap Kepuasan Nasabah (Studi Kasus Bank BNI KCP Paiton): Analisis Kualitas Layanan, Kepuasan Nasabah Terhadap Aplikasi WONDR by BNI, Bank BNI KCP Paiton. Jurnal Manajemen Perbankan Keuangan Nitro, 8(1), 38–51. https://doi.org/10.56858/jmpkn.v8i1.400
Hastuti. (2024). Analisis Digital Marketing Antara Aplikasi My BCA dan Wondr by BNI. Jurnal Ilmiah Manajemen Dan Akuntansi, 1(4), 124–132.
Havida, A. Z., & Budiarnaya, P. (2024). Penyertaan Gaya Hidup Terhadap Pengetahuan Mengelola Keuangan Melalui Aktivitas Wondr by BNI Kepada Mahasiswa Undiknas. DHARMA: Jurnal Pengabdian Masyaraka, 5(2), 65–72.
Husen, R. A., Astuti, R., Marlia, L., Rahmaddeni, R., & Efrizoni, L. (2023). Analisis Sentimen Opini Publik pada Twitter Terhadap Bank BSI Menggunakan Algoritma Machine Learning. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 3(2), 211–218. https://doi.org/10.57152/malcom.v3i2.901
Irawan, F. A., Rialdy Atmadja, A., Wahana, A., Informatika, T., & Sunan Gunung Djati Bandung, U. (2024). Analisis Sentimen Ulasan Aplikasi Bank Digital Menggunakan Algoritma Naive Bayes. Journal of Computer Science and Information Technology E-ISSN, 4(2), 60–68.
Munandar, D., Afdal, M., Zarnelly, Z., & Novita, R. (2024). Analisis Sentimen Ulasan Pengguna Aplikasi Mobile Banking Menggunakan Algoritma K-Nearest Neighbor. Jurnal Teknologi Sistem Informasi Dan Aplikasi, 7(3), 1309–1318. https://doi.org/10.32493/jtsi.v7i3.41409
Pertiwi, D., & Suyitno, A. (2023). Bank Digital Sebagai Peradaban Lembaga Keuangan Syariah di Indonesia. INASJIF Indonesian Scientific Journal of Islamic Finance, 1(2), 172–182.
Putra, T. W., Triayudi, A., & Andrianingsih, A. (2022). Analisis Sentimen Pembelajaran Daring Menggunakan Metode Naive Bayes, KNN, dan Decision Tree. Jurnal JTIK (Jurnal Teknologi Informasi Dan Komunikasi), 6(1), 20–26. https://doi.org/10.35870/jtik.v6i1.368
Tsakila, N. F., Wirahadi, M. A., Fadilah, A. A., & Simanjuntak, H. (2024). Analisis Dampak Fintech terhadap Kinerja dan Inovasi Perbankan di Era Ekonomi Digital. Indonesian Journal of Law and Justice, 1(4), 1–11. https://doi.org/10.47134/ijlj.v1i4.2787
