ANALISIS SENTIMENT TERHADAP APLIKASI BCA MOBILE MENGGUNAKAN METODE NAÏVE BAYES

Amin, M. Habibi (2026) ANALISIS SENTIMENT TERHADAP APLIKASI BCA MOBILE MENGGUNAKAN METODE NAÏVE BAYES. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER - ABSTARK) COVER.pdf - Published Version Download (1MB)
	Text (BAB I) BAB I.pdf - Published Version Download (159kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Registered users only Download (661kB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (367kB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Registered users only Download (579kB)
	Text (BAB V) BAB V.pdf - Published Version Download (86kB)
	Text (DAFTAR PUSTAKA - LAMPIRAN) Daftar Pustaka dan Lampiran.pdf - Published Version Restricted to Registered users only Download (261kB)
	Archive (SOURCE CODE) Sourcecode - 19.11.2769.zip Restricted to Repository staff only Download (84kB)
	Text (PUBLIKASI) Publikasi.pdf - Published Version Restricted to Repository staff only Download (459kB)

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi BCA Mobile berdasarkan ulasan yang tersedia di Google Play Store. Seiring dengan meningkatnya penggunaan layanan perbankan digital, opini dan pengalaman pengguna menjadi faktor penting dalam mengevaluasi kualitas layanan aplikasi. Namun, banyaknya jumlah ulasan membuat proses analisis secara manual menjadi tidak efisien. Oleh karena itu, diperlukan metode otomatis untuk mengklasifikasikan sentimen pengguna secara cepat dan akurat. Metode yang digunakan dalam penelitian ini adalah algoritma Naïve Bayes dengan pembobotan TF-IDF sebagai representasi fitur teks. Dataset yang digunakan sebanyak 509.726 ulasan berbahasa Indonesia yang dikumpulkan melalui proses scraping dari Google Play Store. Data kemudian melalui tahap preprocessing yang meliputi cleaning, case folding, stopword removal, tokenizing, dan stemming. Pelabelan sentimen dilakukan berdasarkan rating, yaitu positif (4– 5), netral (3), dan negatif (1–2). Dataset dibagi menjadi 80% data latih dan 20% data uji. Hasil penelitian menunjukkan bahwa mayoritas ulasan bersentimen positif sebesar 72,29%, diikuti negatif 21,92% dan netral 5,80%. Model Naïve Bayes menghasilkan akurasi sebesar ±85%, dengan performa sangat baik pada kelas positif dan cukup baik pada kelas negatif, namun kurang optimal pada kelas netral karena ketidakseimbangan data. Penelitian ini dapat dimanfaatkan oleh pihak pengembang untuk meningkatkan kualitas layanan aplikasi serta menjadi referensi bagi penelitian selanjutnya dalam bidang analisis sentimen.

Actions (login required)

View Item