Analisis Sentimen Ulasan Aplikasi Bank Digital  Menggunakan Algoritma Naïve Bayes

Febby Adelia Irawan; Aldy Rialdy Atmadja; Agung Wahana

doi:10.47065/explorer.v4i2.1181

Febby Adelia Irawan UIN Sunan Gunung Djati Bandung, Indonesia
Aldy Rialdy Atmadja * UIN Sunan Gunung Djati Bandung, Indonesia
Agung Wahana UIN Sunan Gunung Djati Bandung, Indonesia

DOI: https://doi.org/10.47065/explorer.v4i2.1181

Keywords: Perbankan; Bank Digital; Sentimen; Ulasan Pengguna; Naïve Bayes

Abstract

Bidang perbankan merupakan salah satu yang berkembang dan mengikuti tren digitalisasi. Adanya bank digital merupakan inovasi yang dilakukan pada bidang perbankan dalam memberikan pelayanan dengan menggunakan media elektronik atau digital. Teknologi yang dikembangkan memungkinkan pengguna hanya cukup mengakses transaksi dalam suatu aplikasi dengan bermodalkan smartphone yang didistribusikan melalui Google Playstore. Ulasan-ulasan pengguna (review) pada Google Playstore ini tersedia untuk membantu meningkatkan performa dari aplikasi dan menjadi landasan bagi perusahaan dalam mengembangkan aplikasi perbankan. Akan tetapi, terdapat kendala jika banyaknya ulasan dan sulit untuk memilah dan mengolahnya secara manual sehingga diperlukan analisis sentimen ulasan pengguna pada aplikasi-aplikasi bank digital. Pada penelitian ini analisis sentimen dilakukan dengan menggunakan algoritma Naïve Bayes. Adapun pendekatan metode yang dilakukan dengan menggunakan CRISP-DM sebagai standar yang umum dalam melakukan riset data mining. Hasil dalam penelitian ini menunjukkan bahwa penerapan model klasifikasi dengan menggunakan Algoritma Naïve Bayes dengan data ulasan menghasilkan 46% ulasan positif dan 54% ulasan negatif. Selain itu, nilai akurasi tertinggi dari kinerja algoritma Naïve Bayes dengan menggunakan pembagian data training dan testing dengan persentase 70:30 menghasilkan akurasi yang optimal mencapai 89%.

References

Y. R. M Allo, “Strategi Meningkatkan Kualitas Layanan Melalui Digitalisasi Jasa Perbankan Di PT. Bank Negara Indonesia (Persero) Tbk. Kantor Pusat Jakarta Pusat,” 2020, Accessed: Feb. 11, 2024. [Online]. Available: http://journal.lldikti9.id/Ekonomika/index
M. K. Ansor, “Analisis Faktor Penerimaan Teknologi Bank Digital Menggunakan Modifikasi UTAUT2,” Universitas Islam Indonesia, Yogyakarta, 2022.
O. J. Keuangan, “Salinan Peraturan Otoritas Jasa Keuangan Republik Indonesia Nomor 12 /POJK.03/2021 Tentang Bank Umum.” 2021. [Online]. Available: https://www.ojk.go.id/id/regulasi/Documents/Pages/Bank-Umum/POJK 12 - 03 -2021.pdf
J. Prabu Prakoso, “Daftar 10 Aplikasi Bank Digital Paling Banyak Diunduh,” Bisnis Indonesia, Jan. 07, 2023.
A. Alaei, S. Becken, and B. Stantic, “Sentiment analysis in tourism: Capitalising on Big Data,” J Travel Res.
I. Sunni and D. H. Widyantoro, “Analisis Sentimen dan Ekstraksi Topik Penentu Sentimen pada Opini Terhadap Tokoh Publik,” Jurnal Sarjana Institut Teknologi Bandung Bidang Teknik Elektro dan Informatika, vol. 1, no. 2, pp. 200–206, 2012.
R. A. Subagja et al., “Klasifikasi Ulasan Aplikasi Jenius pada Google Play Store Menggunakan Algoritma Naive Bayes,” Informatik : Jurnal Ilmu Komputer, vol. 17, no. 3, pp. 197–208, Dec. 2021, doi: 10.52958/IFTK.V17I3.3652.
A. Kusuma, E. Ermatita, and H. N. Irmanda, “Analisis Sentimen Pada Ulasan Aplikasi Indodax di Google Play Store Menggunakan Metode Support Vector Machine,” Prosiding Seminar Nasional Mahasiswa Bidang Ilmu Komputer dan Aplikasinya, vol. 3, no. 2, pp. 773–782, Aug. 2022, Accessed: Feb. 12, 2024. [Online]. Available: https://conference.upnvj.ac.id/index.php/senamika/article/view/2214
M. K. K. Insan, U. Hayati, and O. Nurdiawan, “Analisis Sentimen Aplikasi BRIMO pada Ulasan Pengguna di Google Play Menggunakan Algoritma Naive Bayes,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 1, pp. 478–483, Mar. 2023, doi: 10.36040/JATI.V7I1.6373.
A. I. Tanggraeni and M. N. N. Sitokdana, “Analisis Sentimen Aplikasi E-Government pada Google Play Menggunakan Algoritma Naïve Bayes,” JATISI (Jurnal Teknik Informatika dan Sistem Informasi), vol. 9, no. 2, pp. 785–795, Jun. 2022, doi: 10.35957/JATISI.V9I2.1835.
A. A. Arifiyanti, N. R. Shantika, and A. O. Syafira, “Analisis Sentimen Ulasan Pengguna BSI Mobile pada Google Play dengan Pendekatan Supervised Learning,” Jurnal Informatika Polinema, vol. 9, no. 3, pp. 283–288, May 2023, doi: 10.33795/JIP.V9I3.1003.
E. S. Basryah, A. Erfina, and C. Warman, “Analisis Sentimen Aplikasi Dompet Digital di Era 4.0 pada Masa Pendemi Covid-19 di Play Store Menggunakan Algoritma Naive Bayes Classifier,” Prosiding Seminar Nasional Sistem Informasi dan Manajemen Informatika Universitas Nusa Putra, vol. 1, no. 01, pp. 189–196, Sep. 2021, Accessed: Feb. 12, 2024. [Online]. Available: https://sismatik.nusaputra.ac.id/index.php/sismatik/article/view/28
A. P. Fadillah, “Penerapan Metode CRISP-DM untuk Prediksi Kelulusan Studi Mahasiswa Menempuh Mata Kuliah (Studi Kasus Universitas XYZ),” Jurnal Teknik Informatika dan Sistem Informasi, vol. 1, no. 3, pp. 260–270, 2015, doi: 10.28932/jutisi.v1i3.406.
I. Purnama, R. Saputra, and A. Wibowo, “Implementasi Data Mining Menggunakan CRISP-DM pada Sistem Informasi Eksekutif Dinas Kelautan dan Perikanan Provinsi Jawa Tengah,” in Prosiding Seminar Nasional Ilmu Komputer UNDIP, 2012. [Online]. Available: http://eprints.undip.ac.id/36654/
F. Emsa Zamani, “Sentiment Analysis and Twitter Social Media Visualization Regarding the Omnibus Law Draft,” CoreID Journal, vol. 1, no. 1, pp. 11–20, 2023, doi: 10.60005/coreid.v1i1.4.