Analisis Sentimen Kepuasan Pengguna Aplikasi Bca Mobile Menggunkan Metode Naïve Bayes Dan Support Vector Machine (Svm)
Marpaung, July Aldren
Aplikasi BCA Mobile dirilis pada tahun 2011 yang dikelola oleh PT Bank Central Asia
Tbk. Pada awalnya aplikasi BCA Mobile hanya dapat digunakan oleh pengguna BlackBerry,
namun pada tahun 2012 aplikasi BCA Mobile dapat digunakan juga oleh pengguna Android
dan iOS. Namun seiring waktu pengguna melaporkan bahwa ketika mereka mencoba untuk
melakukan transaksi melalui aplikasi BCA Mobile, mereka mengalami kendala yang
menunjukkan bahwa transaksi tidak dapat diproses dan pesan eror. Dari permasalahan yang
ada, maka dilakukan penelitian yang bertujuan untuk mengetahui tanggapan pengguna
berdasarkan ulasan di google play store terhadap BCA mobile. Pada penelitian ini
mengguakan algoritman Naïve Bayes dan Support Vector Machine (SVM), dimana data yang
di scraping berjumlah 7.000 data ulasan. Setelah melalui tahapan Pre – Processing dan
pelabelan data maka di dapatkan hasil data valid berjumlah 788 data ulasan. Data yang di
dapat akan dibagi menjadi data Training 80% dan data Testing 20%. Pada proses klasifikasi
algoritma Naïve Bayes menghasilkan akurasi 71.0% dan algoritma Support Vector Machine
(SVM) 83.2%. Jadi dari kedua metode yang di gunakan dalam proses analisis sentimen yang
memilikasi akurasi lebih akurat adalah algoritma Support Vector Machine (SVM) dengan
akurasi 83.2%.
Tbk. Pada awalnya aplikasi BCA Mobile hanya dapat digunakan oleh pengguna BlackBerry,
namun pada tahun 2012 aplikasi BCA Mobile dapat digunakan juga oleh pengguna Android
dan iOS. Namun seiring waktu pengguna melaporkan bahwa ketika mereka mencoba untuk
melakukan transaksi melalui aplikasi BCA Mobile, mereka mengalami kendala yang
menunjukkan bahwa transaksi tidak dapat diproses dan pesan eror. Dari permasalahan yang
ada, maka dilakukan penelitian yang bertujuan untuk mengetahui tanggapan pengguna
berdasarkan ulasan di google play store terhadap BCA mobile. Pada penelitian ini
mengguakan algoritman Naïve Bayes dan Support Vector Machine (SVM), dimana data yang
di scraping berjumlah 7.000 data ulasan. Setelah melalui tahapan Pre – Processing dan
pelabelan data maka di dapatkan hasil data valid berjumlah 788 data ulasan. Data yang di
dapat akan dibagi menjadi data Training 80% dan data Testing 20%. Pada proses klasifikasi
algoritma Naïve Bayes menghasilkan akurasi 71.0% dan algoritma Support Vector Machine
(SVM) 83.2%. Jadi dari kedua metode yang di gunakan dalam proses analisis sentimen yang
memilikasi akurasi lebih akurat adalah algoritma Support Vector Machine (SVM) dengan
akurasi 83.2%.
Informasi Repositori
- Jenis
- Thesis
Detail Information
- Tahun
- 2024
- Bahasa
- id
- Last Updated
- 2025-03-19T02:26:39Z
Subjects / Keywords
Akses Dokumen
Hak Cipta & Lisensi
Konten ini bersumber dari Repositori Institusi Kemendikdasmen.
Hak cipta dimiliki oleh institusi pencipta karya. Dilisensikan di bawah Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0).
Metadata di-harvest melalui protokol OAI-PMH sesuai SK Sekjen Kemendikbudristek No. 18/M/2022.
Karya Umum
Filsafat
Agama
Ilmu-ilmu Sosial
Bahasa
Ilmu-ilmu Murni
Ilmu-ilmu Terapan
Kesenian, Hiburan, dan Olahraga
Kesusastraan
Geografi dan Sejarah