Analisis Sentimen Menggunakan Algoritma Naïve Bayes Pada Aplikasi m-BCA berdasarkan Ulasan Pengguna di Google Play Store

Penulis

  • irma rahmawati Universitas Bhayangkara Jakarta Raya
  • Tiara Rika Fitriani
  • Ajif Yunizar Pratama Yusuf

DOI:

https://doi.org/10.58776/jriti.v1i2.116

Kata Kunci:

Google Play Store, Naïve Bayes, Analisis Sentimen, kualitas pelayanan, mobile banking, m-BCA

Abstrak

m-BCA (Mobile Banking) adalah layanan perbankan dari PT.Bank Central Asia,Tbk yang memungkinkan akses langsung melalui telepon seluler. Meskipun populer, pengguna sering mengalami pengalaman negatif, seperti error dalam mengakses aplikasi dan keluhan terkait transaksi. Meskipun terdapat opini negatif, opini positif di Play Store juga ditemukan. Penelitian ini menggunakan metode Naïve Bayes untuk menganalisis sentimen pengguna BCA Mobile berdasarkan ulasan di Google Play Store. Hasil analisis diharapkan dapat membantu BCA meningkatkan kualitas layanan mereka. Penelitian terkait menggunakan berbagai metode, dan penelitian ini memilih Naïve Bayes karena kecepatan dan efisiensinya. Tahap penelitian mencakup pengumpulan data dari Google Play Store, preprocessing data, dan penerapan algoritma Naïve Bayes, Random Forest, serta Logistic Regression. Penelitian ini menyimpulkan bahwa sebagian besar ulasan memiliki orientasi negatif dan model Naïve Bayes menonjol dengan tingkat akurasi yang paling tinggi, mencapai presisi 84%, recall 82%, F1-score 81%, dan tingkat akurasi sebesar 82%.

Referensi

A. Miftahusalam, H. Pratiwii, and I. Slamet, “Perbandingan Metode Random Forest dan Naive Bayes pada Analisis Sentimen Review Aplikasi BCA Mobile,” pp. 1–8, 2023.

R. Sari, R. Yulia Hayuningtyas, and S. Nusa Mandiri, “Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Pada Wisata TMII Berbasis Website,” IJSE-Indonesian Journal on Software Engineering, vol. 5, no. 2, pp. 51–60, 2019.

H. Nalatissifa, W. Gata, S. Diantika, and K. Nisa, “Perbandingan Kinerja Algoritma Klasifikasi Naive Bayes, Support Vector Machine (SVM), dan Random Forest untuk Prediksi Ketidakhadiran di Tempat Kerja,” Jurnal Informatika Universitas Pamulang, vol. 5, no. 4, p. 578, Dec. 2021, doi: 10.32493/informatika.v5i4.7575.

P. C. Algoritma, D. Naïve Bayes Untuk Prediksi Ketepatan Waktu Studi Mahasiswa, J. Nata Permana, R. Goejantoro, and S. Prangga, “Comparison Of C4.5 Algorithm and Naïve Bayes for Prediction Of Student Study Timeliness (Case Study: Departement of Statistics Mulawarman University),” EKSPONENSIAL, vol. 13, no. 2, pp. 161–170, 2022.

J. Elektronik et al., “Implementasi Algoritma Naive Bayes Classifier (NBC) Dan Information Gain Untuk Mendeteksi DDoS,” vol. 11, no. 2, pp. 273–282, 2022, [Online]. Available: https://research.unsw.edu.au/projects/unsw-nb15-dataset.

E. Widya Ningsih, “Penerapan Algoritma Naïve Bayes Dalam Penentuan Kelayakan Penerima Kartu Jakarta Pintar Plus,” 2019, doi: 10.31294/jtk.v4i2.

K. Ivana Ruslim and P. Pandu Adikara, “Analisis Sentimen Pada Ulasan Aplikasi Mobile Banking Menggunakan Metode Support Vector Machine dan Lexicon Based Features,” 2019. [Online]. Available: http://j-ptiik.ub.ac.id

B. A. Tondang, Muhammad Rizqan Fadhil, Muhammad Nugraha Perdana, Akhmad Fauzi, and Ugra Syahda Janitra, “Analisis pemodelan topik ulasan aplikasi BNI, BCA, dan BRI menggunakan latent dirichlet allocation,” INFOTECH : Jurnal Informatika & Teknologi, vol. 4, no. 1, pp. 114–127, Jun. 2023, doi: 10.37373/infotech.v4i1.601.

Y. A. Singgalen, “Pemilihan Metode dan Algoritma dalam Analisis Sentimen di Media Sosial : Sistematic Literature Review,” Journal of Information Systems and Informatics, vol. 3, no. 2, 2021, [Online]. Available: http://journal-isi.org/index.php/isi

E. Y. Hidayat, R. W. Hardiansyah, and A. Affandy, “Analisis Sentimen Twitter untuk Menilai Opini Terhadap Perusahaan Publik Menggunakan Algoritma Deep Neural Network,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 7, no. 2, pp. 108–118, Sep. 2021, doi: 10.25077/teknosi.v7i2.2021.108-118.

J. Nurvania and K. Muslim Lhaksamana, “Analisis Sentimen Pada Ulasan di TripAdvisor Menggunakan Metode Long Short-Term Memory (LSTM),” 2021.

J. Sains and D. Seni Its, “Analisis Sentimen Nasabah Pada Layanan Perbankan Menggunakan Metode Regresi Logistik Biner, Naive Bayes Classifier(NBC), dan Support Vctor Machine (SVM),” vol. 8, no. 2, pp. 2337–3520, 2019.

Kelvin, J. Banjarnahor, E. Indra, and H. S. Sinurat, “ANALISIS PERBANDINGAN SENTIMEN CORONA VIRUS DISEASE- 2019 (COVID19) PADA TWITTER MENGGUNAKAN METODE LOGISTIC REGRESSION DAN SUPPORT VECTOR MACHINE (SVM),” Jurnal Sistem Informasi dan Ilmu Komputer Prima, vol. 5, no. 2, pp. 47–52, Feb. 2022.

T. T. Widowati and M. Sadikin, “ANALISIS SENTIMEN TWITTER TERHADAP TOKOH PUBLIK DENGAN ALGORITMA NAIVE BAYES DAN SUPPORT VECTOR MACHINE,” Jurnal SIMETRIS, vol. 11, no. 2, 2020, [Online]. Available: https://t.co/Xzf91zHK41

V. A. Permadi, “Analisis Sentimen Menggunakan Algritma Naïve Bayes Terhadap Review Restoran di Singapura 141,” Jurnal Buana Informatika, vol. 11, no. 2, pp. 141–151, 2020, [Online]. Available: https://www.kaggle.com/hj5992/restaurantreviews

H. Santoso and D. Desliani, “Analisis Sentimen Mahasiswa Terkait Pembelajaran Tatap Muka Menggunakan Metode Na????̈ve Bayes Classifier,” Agustus, vol. 21, no. 3, pp. 644–654, Aug. 2022.

Diterbitkan

30-03-2024

Cara Mengutip

rahmawati, irma, Rika Fitriani, T., & Yunizar Pratama Yusuf, A. (2024). Analisis Sentimen Menggunakan Algoritma Naïve Bayes Pada Aplikasi m-BCA berdasarkan Ulasan Pengguna di Google Play Store. Jurnal Riset Informatika Dan Teknologi Informasi, 1(2), 38–42. https://doi.org/10.58776/jriti.v1i2.116

Terbitan

Bagian

Volume 1 No 2, Desember 2023 - Maret 2024