Analisis Sentimen Aplikasi BCA Mobile Menggunakan Algoritma Naive Bayes dan Suport Vector Machine



DOI: https://doi.org/10.29100/jipi.v9i4.5536

Abstract


Kemajuan teknologi telah mengubah banyak aspek terutama dalam hal transaksi, dengan aplikasi seperti BCA Mobile menjadi salah satu pilihan utama. Aplikasi ini memungkinkan pengguna untuk melakukan berbagai aktivitas finansial secara online. Dengan popularitasnya yang terus meningkat, mencapai lebih dari 5 juta unduhan di Google Play Store, penelitian ini bertujuan untuk mengevaluasi pandangan pengguna terhadap aplikasi ini, baik positif maupun negatif. Analisis dilakukan menggunakan dua metode utama, yaitu algoritma Naïve Bayes dan Support Vector Machine (SVM), yang kemudian diperbaiki kinerjanya dengan menggunakan Synthetic Minority Over-Sampling Technique (SMOTE). Hasil penelitian menunjukkan bahwa SVM mencapai akurasi 85%, sementara Naïve Bayes 83%. Meskipun keduanya memiliki tingkat akurasi yang hampir serupa terdapat perbedaan dalam kemampuan masing-masing model dalam mengklasifikasikan sentimen positif dan negatif..Naïve Bayes memiliki recall yang sedikit lebih rendah untuk ulasan positif sebesar 81% dibandingkan dengan SVM mencapai 85%, namun memiliki presisi yang sedikit lebih tinggi..Sebaliknya, SVM memiliki recall yang lebih rendah untuk ulasan negatif, namun memiliki presisi yang lebih tinggi..Ini menunjukkan kemampuan SVM dalam menangani distribusi fitur dan kelas yang kompleks, yang tidak dapat ditangani dengan baik oleh Naïve Bayes.

Keywords


Analisis Sentimen, BCA Mobile, Naïve Bayes, Support Vector Machine, SMOTE

Full Text:

PDF

Article Metrics :

References


A. L. Marshal and A. N. Fajar, “Analisis Faktor Kesalahan Dalam Proses Pengisian Saldo Kedalam Dompet Digital Yang Dituju Dengan Aplikasi BCA Mobile,” Metta J. Ilmu Multidisiplin, vol. 3, no. 3, pp. 257–267, 2023, doi: 10.37329/metta.v3i3.2695.

F. Gunawan, M. A. Fauzi, and P. P. Adikara, “Analisis Sentimen Pada Ulasan Aplikasi Mobile Menggunakan Naive Bayes dan Normalisasi Kata Berbasis Levenshtein Distance (Studi Kasus Aplikasi BCA Mobile),” Syst. Inf. Syst. Informatics J., vol. 3, no. 2, pp. 1–6, 2017, doi: 10.29080/systemic.v3i2.234.

M. Hariyanto, M. Kholiq, A. Yani, and Narti, “Inti nusa mandiri,” Inti Nusa Mandiri, vol. 14, no. 2, pp. 133–138, 2020.

A. Z. Amrullah, A. Sofyan Anas, and M. A. J. Hidayat, “Analisis Sentimen Movie Review Menggunakan Naive Bayes Classifier Dengan Seleksi Fitur Chi Square,” Jurnal, vol. 2, no. 1, pp. 40–44, 2020, doi: 10.30812/bite.v2i1.804.

D. Ahmad Dzulhijjah, H. Sanjaya, A. Said Wahyudi Hidayat, A. Yulistia Alwanda, and E. Utami, “Perbandingan Metode Random Forest dan KNN pada Analisis Sentimen Twitter,” Smart Comp Jurnalnya Orang Pint. Komput., vol. 12, no. 3, pp. 767–772, 2023, doi: 10.30591/smartcomp.v12i3.5106.

R. Wahyudi and G. Kusumawardana, “Analisis Sentimen pada Aplikasi Grab di Google Play Store Menggunakan Support Vector Machine,” J. Inform., vol. 8, no. 2, pp. 200–207, 2021, doi: 10.31294/ji.v8i2.9681.

L. B. Ilmawan and M. A. Mude, “Perbandingan Metode Klasifikasi Support Vector Machine dan Naïve Bayes untuk Analisis Sentimen pada Ulasan Tekstual di Google Play Store,” Ilk. J. Ilm., vol. 12, no. 2, pp. 154–161, 2020, doi: 10.33096/ilkom.v12i2.597.154-161.

A. Rahman, E. Utami, and S. Sudarmawan, “Sentimen Analisis Terhadap Aplikasi pada Google Playstore Menggunakan Algoritma Naïve Bayes dan Algoritma Genetika,” J. Komtika (Komputasi dan Inform., vol. 5, no. 1, pp. 60–71, 2021, doi: 10.31603/komtika.v5i1.5188.

F. F. Irfani, “Analisis Sentimen Review Aplikasi Ruangguru Menggunakan Algoritma Support Vector Machine,” JBMI (Jurnal Bisnis, Manajemen, dan Inform., vol. 16, no. 3, pp. 258–266, 2020, doi: 10.26487/jbmi.v16i3.8607.

Syahril Dwi Prasetyo, Shofa Shofiah Hilabi, and Fitri Nurapriani, “Analisis Sentimen Relokasi Ibukota Nusantara Menggunakan Algoritma Naïve Bayes dan KNN,” J. KomtekInfo, vol. 10, pp. 1–7, 2023, doi: 10.35134/komtekinfo.v10i1.330.

A. Novriandy, “Implementasi Algoritma Naive Bayes dan Algoritma C4. 5 dalam Klasifikasi Kelayakan Bantuan UMKM,” KLIK Kaji. Ilm. Inform. dan Komput., vol. 4, no. 1, pp. 208–217, 2023, doi: 10.30865/klik.v4i1.1099.

Dhina Nur Fitriana and Yuliant Sibaroni, “Sentiment Analysis on KAI Twitter Post Using Multiclass Support Vector Machine (SVM),” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 4, no. 5, pp. 846–853, 2020, doi: 10.29207/resti.v4i5.2231.

J. Informasi, D. K. Pramudito, M. Tubagus, A. Ismail, and F. D. Anggraini, “Application of Support Vector Machine and Naive Bayes Method to Analyze Mobile Banking User Behavior Through social media Twitter,” vol. 5, pp. 325–330, 2024, doi: 10.60083/jidt.v5i4.462.

S. Wijanarko and S. A. Santoso, “Penerapan Fungsi Mid Dan Find pada Pembersihan Data Alamat,” vol. X, no. 1, pp. 14–18, 2024.

Darussalam and G. Arief, “Jurnal Resti,” Resti, vol. 1, no. 1, pp. 19–25, 2018.

A. N. Khusna, K. P. Delasano, and D. C. E. Saputra, “Penerapan User-Based Collaborative Filtering Algorithm,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 20, no. 2, pp. 293–304, 2021, doi: 10.30812/matrik.v20i2.1124.

M. S. Anwar, I. M. I. Subroto, and S. Mulyono, “Sistem Pencarian E-Journal Menggunakan Metode Stopword Removal Dan Stemming,” Pros. Konf. Ilm. Mhs. UNISSULA 2, pp. 58–70, 2019, [Online]. Available: http://lppm-unissula.com/jurnal.unissula.ac.id/index.php/kimueng/article/viewFile/8420/3887

G. A. Trianto, T. Y. Sihotang, M. F. Marzuki, and H. Irsyad, “Klasifikasi Opini Terhadap Resesi Indonesia 2023 pada Twitter Menggunakan Algoritma Decesion Tree,” MDP Student Conf., vol. 2, no. 1, pp. 1–9, 2023, doi: 10.35957/mdp-sc.v2i1.3997.

R. K. Dinata, S. Safwandi, N. Hasdyna, and R. Mahendra, “Kombinasi Algoritma Brute Force dan Stemming pada Sistem Pencarian Mashdar,” CESS (Journal Comput. Eng. Syst. Sci., vol. 5, no. 2, p. 273, 2020, doi: 10.24114/cess.v5i2.17989.

S. Zhang, O. Jafari, and P. Nagarkar, “A Survey on Machine Learning Techniques for Auto Labeling of Video, Audio, and Text Data,” pp. 1–13, 2021, [Online]. Available: http://arxiv.org/abs/2109.03784

V. Alapján-, “済無No Title No Title No Title,” vol. 5, no. 3, pp. 1–23, 2016.

R. Nurul Ikhsani and F. Fauzi Abdulloh, “Optimasi SVM dan Decision Tree Menggunakan SMOTE Untuk Mengklasifikasi Sentimen Masyarakat Mengenai Pinjaman Online,” J. Media Inform. Budidarma, vol. 7, no. 4, pp. 1667–1677, 2023, doi: 10.30865/mib.v7i4.6809.

Adrian Pirtama, Yuda Prasetia, Redho Irnindo Saputra, and Eko Arip Winanto, “Improvement Attack Detection on Internet of Thinks Using Principal Component Analysis and Random Forest,” Media J. Gen. Comput. Sci., vol. 1, no. 1, pp. 14–19, 2023, doi: 10.62205/mjgcs.v1i1.8.

M. Afriansyah, J. Saputra, V. Yoga, P. Ardhana, and Y. Sa, “Algoritma Naive Bayes Yang Efisien Untuk Klasifikasi Buah,” vol. 1, no. 2, pp. 236–248, 2024.

Sarip. K. And Suryonor. R., “Komparasi Algoritma Support Vector Machine Dan Random Forest Untuk Analisis Sentimen Metaverse”, Mnemonic, Vol. 7, No. 1, Pp. 31-39, Feb. 2024.

F. M. Fathoni, C. A. Putra, and A. L. Nurlaili, “Klasifikasi Penyakit Daun Anggur Menggunakan Metode K-Nearest Neighbor Berdasarkan Gray Level Co-Occurrence Matrix,” Biner J. Ilm. Inform. dan Komput., vol. 3, no. 1, pp. 8–15, 2024.