@article{repository48495,
            year = {2025},
          number = {4},
           pages = {315--326},
           title = {(STORAGE - S4) - Setiawan, Hasan [2025-11-30]},
             doi = {https://doi.org/10.55123/storage.v4i4.6469},
           month = {November},
       publisher = {Yayasan Literasi Sains Indonesia},
          volume = {4},
         journal = {Analisis Sentimen Tanggapan Pengguna Aplikasi Bale by BTN Menggunakan Metode Support Vector Machine (SVM)},
          author = {Hasan, Firman Noor},
            issn = {2828-5344},
             url = {https://journal.literasisains.id/index.php/storage/article/view/6469},
        abstract = {Dalam era digital yang kian berkembang, analisis sentimen pada komentar pengguna dijadikan alat penting untuk mengevaluasi kualitas aplikasi mobile banking. Penelitian ini bertujuan untuk mengidentifikasi sentimen pengguna pada aplikasi bale by BTN yang diluncurkan pada Februari 2025 sebagai penyempurna dari aplikasi BTN Mobile. Metode yang digunakan meliputi scraping data ulasan dari Google Play Store, preprocessing teks (case folding, normalisasi, tokenisasi, stopword removal, dan stemming), pelabelan berdasarkan kamus lexicon-based approach, serta pembangunan klasifikasi model dengan algoritma Support Vector Machine dengan TF-IDF vectorization. Dari 2.000 data awal, diperoleh 1.767 data valid yang dianalisis. Hasil menunjukkan bahwa model SVM mencapai akurasi sebesar 73,16\%, dari 354 data testing dengan distribusi sentimen: positif (52,57\%), dan negatif (47,43\%). Model menunjukkan performa terbaik dalam mengklasifikasi sentimen Positif dengan precision 0.73, recall 0.80, dan F1-score 0,77 pada 194 data sedangkan pada sentimen negatif, model menunjukan hasil cukup baik dengan precision 0.73, recall 0.65, dan F1-score 0.69 pada 160 data.}
}