(STORAGE - S4) - Setiawan, Hasan [2025-11-30]

Hasan, Firman Noor (2025) (STORAGE - S4) - Setiawan, Hasan [2025-11-30]. Analisis Sentimen Tanggapan Pengguna Aplikasi Bale by BTN Menggunakan Metode Support Vector Machine (SVM), 4 (4). pp. 315-326. ISSN 2828-5344

Preview	Text 1. Cover.pdf Download (542kB) | Preview
Preview	Text 2. Editorial Board.pdf Download (153kB) | Preview
Preview	Text 3. Daftar Isi.pdf Download (347kB) | Preview
Preview	Text 4. Artikel.pdf Download (527kB) | Preview
Preview	Text 5. Turnitin Similiarity Report (20%).pdf Download (1MB) | Preview
Preview	Text 6. LOA - Setiawan, Hasan.pdf Download (162kB) | Preview
Preview	Text Korespondensi.1 - Submission Acknowledgement.pdf Download (62kB) | Preview
Preview	Text Korespondensi.2 - Revision Required.pdf Download (68kB) | Preview
Preview	Text Korespondensi.3 - Accept Submission.pdf Download (65kB) | Preview
Preview	Text Korespondensi.4 - LoA.pdf Download (56kB) | Preview

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.

Item Type:	Article
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknik > Teknik Informatika
Depositing User:	Mr Firman Noor Hasan
Date Deposited:	02 Dec 2025 01:19
Last Modified:	02 Dec 2025 01:19
URI:	http://repository.uhamka.ac.id/id/eprint/48495

Actions (login required)

View Item