REGRESI DENGAN EKSTRASI FITUR NEURAL BAG OF WORDS PADA ANALISIS SENTIMEN PENGGUNA APLIKASI BANK DIGITAL SYARIAH

Abstract

Penelitian ini untuk menguji keefektifan metode Neural Bag of Words (NBOW) dan Support Vector Regression (SVR) dalam memprediksi sentimen pengguna aplikasi bank digital syariah. Data berasal dari ulasan pengguna di Google Play Store pada aplikasi Bank Jago Syariah, Bank Aladin Syariah, Bank Syariah Indonesia, dan Muamalat Din, dengan periode pengambilan data 4 Juli 2023 - 4 Juli 2024, menghasilkan 160,026 ulasan. Penelitian ini dimulai dengan pengumpulan, seleksi, dan pelabelan data sesuai dengan skor bintang dari ulasan, yang merupakan langkah dalam Knowledge Discovery in Databases (KDD). Setelah itu, dilakukan preprocessing dengan menghilangkan kata yang tidak relevan dan mengubah kalimat menjadi bentuk baku. Data diekstraksi dengan fitur Bag of Words (BoW) yang diimplementasikan Scikit-Learn, menghasilkan matriks frekuensi kata. lalu, data dibagi menjadi set pelatihan dan uji dengan rasio 8:2, dan model SVR dilatih dengan data pelatihan. Didapatkan hasil akurasi rata-rata 98.3%, dengan akurasi tertinggi pada data Bank Aladin Syariah (98.54%) dan akurasi terendah pada data Bank Jago Syariah (98.30%). Regresi linier menunjukkan bahwa peningkatan jumlah data berbanding lurus dengan peningkatan akurasi model NBOW, dengan rumus y = 2.10^(-7) x + 98.308. Hasil ini lebih baik dari penelitian sebelumnya yang menggunakan metode CNN+SURF, yang mencapai akurasi 84%. Temuan lain adalah kemunculan kata-kata seperti "ribet" dan "aplikasi error" dalam sentimen negatif, menunjukkan perlunya peningkatan kemudahan penggunaan dan pengoptimalan aplikasi