Analisis Sentimen Ulasan Terhadap Bni Mobile Banking Pada Google Playstore Menggunakan Metode Naïvebayes Dan Support Vector Machine (SVM)

Abstract

Seiring dengan perkembangan teknologi perbankan digital, aplikasi BNI Mobile Banking menjadi salah satu layanan yang banyak digunakan oleh nasabah untuk melakukan berbagai transaksi keuangan. Namun, ulasan pengguna di Google Play Store menunjukkan berbagai sentimen yang dapat menjadi indikator kepuasan atau ketidakpuasan pengguna. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna BNI Mobile Banking menggunakan dua metode klasifikasi, yaitu Naïve Bayes dan Support Vector Machine (SVM), serta membandingkan kinerja kedua metode berdasarkan akurasi, presisi, recall, dan F1- score. Dataset yang digunakan terdiri dari 5000 ulasan pengguna yang diperoleh melalui teknik web scraping dari Google Play Store. Data yang dikumpulkan kemudian diproses melalui tahapan pre-processing, termasuk cleaning, case folding, tokenization, stopword removal, dan stemming. Setelah itu, data diberi label sentimen (positif, netral, atau negatif) dan diklasifikasikan menggunakan metode Naïve Bayes dan SVM. Hasil penelitian menunjukkan bahwa metode SVM memiliki akurasi yang lebih tinggi dibandingkan dengan Naïve Bayes, serta lebih unggul dalam metrik evaluasi lainnya seperti presisi, recall, dan F1-score. Hal ini menunjukkan bahwa SVM lebih efektif dalam mengklasifikasikan sentimen ulasan pengguna BNI Mobile Banking dibandingkan dengan Naïve Bayes. Temuan ini dapat menjadi referensi bagi pengembang aplikasi dalam memahami opini pengguna serta meningkatkan kualitas layanan BNI Mobile Banking guna meningkatkan kepuasan dan pengalaman pengguna.