Analisis Sentimen Berbasis Aspek (Absa) Terhadap Transisi Aplikasi Byond By Bsi Berdasarkan Ulasan Pengguna Di Google Play Store Menggunakan Algoritma Svm Dan Tf-Idf

Abstract

Transisi dari BSI Mobile ke BYOND by BSI sebagai platform mobile banking terbaru menimbulkan berbagai respons pengguna yang tercermin dalam ulasan Google Play Store. Penelitian ini bertujuan menganalisis sentimen berbasis aspek terhadap ulasan pengguna selama masa transisi menggunakan metode AspectBased Sentiment Analysis (ABSA). Data diperoleh melalui scraping sebanyak 45.871 ulasan pada periode 17–27 Desember 2025. Tahapan penelitian meliputi pembersihan data, preprocessing teks, pelabelan sentimen berbasis lexicon, serta ekstraksi lima aspek utama: Performa & Stabilitas, Kepuasan/Keluhan Umum, Kualitas Fitur, Layanan & Dukungan, dan UI/UX. Representasi fitur menggunakan TF-IDF dan diklasifikasikan dengan algoritma Support Vector Machine (SVM) menggunakan kernel Linear, RBF, Polynomial, dan Sigmoid, serta diuji dengan skenario pembagian data 70:30, 80:20, dan 90:10. Hasil evaluasi menunjukkan kernel Linear memberikan performa terbaik dengan akurasi 97,60% dan nilai AUC mendekati 1,00. Distribusi sentimen menunjukkan aspek Performa & Stabilitas cenderung didominasi sentimen negatif, sedangkan Kualitas Fitur dan UI/UX lebih banyak memperoleh sentimen positif. Penelitian ini membuktikan efektivitas kombinasi TF-IDF dan SVM dalam klasifikasi sentimen berbasis aspek pada data ulasan berskala besar.