ANALISIS SENTIMEN ULASAN APLIKASI BTN MOBILE MENGGUNAKAN ALGORITMA NAIVE BAYES

Abstract

Perkembangan layanan perbankan digital, terutama aplikasi mobile banking, telah meningkatkan kebutuhan akan analisis yang efektif terhadap ulasan pengguna untuk perbaikan kualitas aplikasi. Penelitian ini bertujuan untuk memanfaatkan algoritma Naïve Bayes dalam menganalisis sentimen pada ulasan aplikasi BTN Mobile di Google Play Store. Data yang digunakan terdiri dari 1.000 ulasan yang dikumpulkan melalui web scraping. Tahapan penelitian meliputi preprocessing teks, pembobotan kata menggunakan TF-IDF, dan klasifikasi sentimen menggunakan algoritma Naive Bayes. Tiga skenario pembagian data digunakan, yaitu 80:20, 70:30, dan 60:40, dengan hasil terbaik pada skenario 80:20 dengan akurasi 85,5%, precision 83%, recall 85%, dan F1-score 81%. Hasil analisis menunjukkan bahwa Naive Bayes efektif dalam mengklasifikasikan sentimen ulasan, meskipun ada tantangan dalam mengenali sentimen netral. Penelitian ini memberikan kontribusi bagi pengembang aplikasi untuk memahami persepsi pengguna dan meningkatkan kualitas layanan aplikasi BTN Mobile.