Analisis Sentimen Ulasan Terhadap Bni Mobile Banking Pada Google Playstore Menggunakan Metode Naïvebayes Dan Support Vector Machine (Svm)

Seiring dengan perkembangan teknologi perbankan digital, aplikasi BNI Mobile
Banking menjadi salah satu layanan yang banyak digunakan oleh nasabah untuk
melakukan berbagai transaksi keuangan. Namun, ulasan pengguna di Google Play
Store menunjukkan berbagai sentimen yang dapat menjadi indikator kepuasan atau
ketidakpuasan pengguna. Penelitian ini bertujuan untuk melakukan analisis
sentimen terhadap ulasan pengguna BNI Mobile Banking menggunakan dua
metode klasifikasi, yaitu Naïve Bayes dan Support Vector Machine (SVM), serta
membandingkan kinerja kedua metode berdasarkan akurasi, presisi, recall, dan F1-
score. Dataset yang digunakan terdiri dari 5000 ulasan pengguna yang diperoleh
melalui teknik web scraping dari Google Play Store. Data yang dikumpulkan
kemudian diproses melalui tahapan pre-processing, termasuk cleaning, case
folding, tokenization, stopword removal, dan stemming. Setelah itu, data diberi
label sentimen (positif, netral, atau negatif) dan diklasifikasikan menggunakan
metode Naïve Bayes dan SVM. Hasil penelitian menunjukkan bahwa metode SVM
memiliki akurasi yang lebih tinggi dibandingkan dengan Naïve Bayes, serta lebih
unggul dalam metrik evaluasi lainnya seperti presisi, recall, dan F1-score. Hal ini
menunjukkan bahwa SVM lebih efektif dalam mengklasifikasikan sentimen ulasan
pengguna BNI Mobile Banking dibandingkan dengan Naïve Bayes. Temuan ini
dapat menjadi referensi bagi pengembang aplikasi dalam memahami opini
pengguna serta meningkatkan kualitas layanan BNI Mobile Banking guna
meningkatkan kepuasan dan pengalaman pengguna.