Analisis Sentimen Aplikasi SeaBank dengan Algoritma Naive Bayes untuk Optimalisasi Pelayanan

Niken Zeliana Putri; Martanto Martanto; Arif Rinaldi Dikananda; Ahmad Rifa’i

doi:10.54914/jit.v11i1.1721

Penulis

Niken Zeliana Putri STMIK IKMI Cirebon
Martanto STMIK IKMI Cirebon
Arif Rinaldi Dikananda STMIK IKMI Cirebon
Ahmad Rifa’i STMIK IKMI Cirebon

DOI:

https://doi.org/10.54914/jit.v11i1.1721

Kata Kunci:

Aplikasi Seabank, Naive Bayes, Optimalisasi Pelayanan, Sentimen Analisis, Ulasan Pengguna

Abstrak

Pesatnya perkembangan teknologi perbankan digital memerlukan peningkatan kualitas layanan agar tetap kompetitif di industri keuangan. Seabank Indonesia merupakan salah satu aplikasi perbankan digital yang digunakan luas, sehingga analisis sentimen terhadap ulasan pengguna menjadi aspek penting memahami persepsi mereka terhadap layanan yang diberikan. Penelitian ini bertujuan untuk mengevaluasi sentimen pengguna aplikasi Seabank dengan menerapkan algoritma Naïve Bayes guna mengoptimalkan kualitas pelayanan. Data penelitian diperoleh melalui proses web scraping dari Google Play Store dengan total 1.000 ulasan. Pendekatan Knowledge Discovery in Databases (KDD) diterapkan dalam analisis, yang mencakup tahapan preprocessing seperti cleaning, casefolding, tokenisasi, stopword, stemming, serta representasi Term Frequency-Inverse Document Frequency (TF-IDF). Model klasifikasi dibangun dengan membagi dataset menjadi 70% untuk data latih dan 30% untuk data uji. Hasil evaluasi menunjukkan bahwa model yang dikembangkan mencapai tingkat akurasi sebesar 88%, dengan nilai precision 95%, recall 87%, dan F1-score 91%. Analisis terhadap keseluruhan ulasan menunjukkan bahwa 70,5% ulasan bersentimen positif, sementara 29,5% lainnya bersentimen negatif. Temuan ini menunjukkan bahwa algoritma Naïve Bayes efektif dalam menganalisis sentimen pengguna serta dapat memberikan wawasan berharga bagi pengembang dalam meningkatkan kualitas layanan aplikasi Seabank Indonesia

Unduhan

Data unduhan belum tersedia.

Referensi

B. Kufa and S. Marwah, “Analisis Sentimen Aplikasi Octo Mobile Menggunakan Algoritma Naïve Bayes,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 6, pp. 12460–12464, 2024, doi: 10.36040/jati.v8i6.11967.

I. Latifah and Y. M. Dora, “Pengaruh Kualitas Pelayanan Elektronik dan Promosi Terhadap Loyalitas Pengguna Bank Digital,” JIIP - J. Ilm. Ilmu Pendidik., vol. 6, no. 3, pp. 2025–2030, 2023, doi: 10.54371/jiip.v6i3.1751.

Y. E. Fadrial, “Algoritma Naive Bayes Untuk Mencari Perkiraan Waktu Studi Mahasiswa,” J. Inf. Technol. Comput. Sci., vol. 4, no. 1, pp. 20–29, 2021, doi: 10.31539/intecoms.v4i1.2219.

S. A. H. Bahtiar, C. K. Dewa, and A. Luthfi, “Comparison of Naïve Bayes and Logistic Regression in Sentiment Analysis on Marketplace Reviews Using Rating-Based Labeling,” J. Inf. Syst. Informatics, vol. 5, no. 3, pp. 915–927, 2023, doi: 10.51519/journalisi.v5i3.539.

A. N. Aida, P. Arsi, R. P. Aji, and Tarwoto, “Analisis Sentimen Pengguna Aplikasi Instagram Pada Situs Google Play Menggunakan Metode Naïve Bayes,” J. Media Inform. Budidarma, vol. 8, no. 2, pp. 704–713, 2024, doi: 10.30865/mib.v8i2.7388.

Meliyawati and F. N. Hasan, “Analisis Sentimen Pengguna Aplikasi CapCut Pada Ulasan Di Play Store Menggunakan Metode Naïve Bayes,” KLIK Kaji. Ilm. Inform. dan Komput., vol. 4, no. 4, pp. 2272–2280, 2024, doi: 10.30865/klik.v4i4.1555.

A. Firmansyah and R. Kurniawan, “Analisis Sentimen Dalam Penentuan Kinerja Layanan Antara In-Driver Dan Gojek Berdasarkan Opini Masyarakat Menggunakan Metode Naive Bayes,” Sist. J. Sist. Inf., vol. 13, no. 3, pp. 1281–1294, 2024, doi: 10.32520/stmsi.v13i3.4156.

A. A. Arifiyanti, N. R. Shantika, and A. O. Syafira, “Analisis Sentimen Ulasan Pengguna Bsi Mobile Pada Google Play Dengan Pendekatan Supervised Learning,” JIP (Jurnal Inform. Polinema), vol. 9, no. 3, pp. 283–288, 2023, doi: 10.33795/jip.v9i3.1003.

S. L. Ranataru and N. Trianasari, “Analisis Sentimen Media Sosial Terhadap Aplikasi Perbankan Untuk Mengetahui Kepuasan Pengguna Aplikasi: Studi Kasus Pada Livin By Mandiri Dan BCA Mobile,” Al-Kharaj J. Ekon. Keuang. Bisnis Syariah, vol. 6, no. 9, pp. 6818–6838, 2024, doi: 10.47467/alkharaj.v6i9.3805.

D. S. Utami and A. Erfina, “Analisis Sentimen Objek Wisata Bali Di Google Maps Menggunakan Algoritma Naive Bayes,” J. Sains Komput. Inform., vol. 6, no. 1, pp. 418–427, 2022, doi: 10.30645/j-sakti.v6i1.456.

D. Sumartini and L. M. Wisudawati, “Analisis Sentimen Pada Ulasan Aplikasi Tokocrypto Dengan Menggunakan Metode Support Vector Machine (Svm) Pada Google Play,” J. Ilm. Inform. Komput., vol. 29, no. 3, pp. 283–297, 2024, doi: 10.35760/ik.2024.v29i3.12915.

M. Apriliyani, M. I. Musyaffaq, S. Nur’Aini, M. R. Handayani, and K. Umam, “Implementasi analisis sentimen pada ulasan aplikasi Duolingo di Google Playstore menggunakan algoritma Naïve Bayes,” AITI J. Teknol. Inf., vol. 21, no. 2, pp. 298–311, 2024, doi: 10.36040/jati.v8i1.8708.

D. Wijaya, R. A. Saputra, and F. Irwiensyah, “Analisis Sentimen Ulasan Aplikasi Samsat Digital Nasional Pada Google Playstore Menggunakan Algoritma Naïve Bayes,” KLIK Kaji. Ilm. Inform. dan Komput., vol. 4, no. 4, pp. 2369–2380, 2024, doi: 10.30865/klik.v4i4.1738.

F. Taufiqurrahman, S. Al Faraby, and M. D. Purbolaksono, “Klasifikasi Teks Multi Label pada Hadis Terjemahan Bahasa Indonesia Menggunakan Chi Square dan SVM,” e-Proceeding Eng., vol. 8, no. 5, pp. 10650–10659, 2021.

H. Z. Muflih, A. R. Abdillah, and F. N. Hasan, “Analisis Sentimen Ulasan Pengguna Aplikasi Ajaib Menggunakan Metode Naïve Bayes,” KLIK Kaji. Ilm. Inform. dan Komput., vol. 4, no. 3, pp. 1613–1621, 2023, doi: 10.30865/klik.v4i3.1303.