Analisis Sentimen Pelanggan terhadap Aplikasi Wondr by BNI Menggunakan Naive Bayes, Support Vector Machine (SVM), dan K-Nearest Neighbor (KNN)

Busrayan, Irzan (2025) Analisis Sentimen Pelanggan terhadap Aplikasi Wondr by BNI Menggunakan Naive Bayes, Support Vector Machine (SVM), dan K-Nearest Neighbor (KNN). Bachelor thesis, Universitas Nasional.

	Text COVER.pdf Download (670kB)
	Text BAB 1.pdf Download (365kB)
	Text BAB 2.pdf Download (592kB)
	Text BAB 3.pdf Download (817kB)
	Text BAB 4.pdf Download (1MB)
	Text BAB 5.pdf Download (337kB)
	Text LAMPIRAN.pdf Download (1MB)

Abstract

Perkembangan teknologi perbankan digital telah meningkatkan penggunaan aplikasi mobile banking sebagai salah satu sarana utama layanan perbankan. Aplikasi Wondr by BNI merupakan inovasi layanan perbankan digital dari Bank Negara Indonesia (BNI) yang bertujuan untuk memberikan kemudahan transaksi bagi nasabah. Namun, berbagai ulasan pengguna menunjukkan adanya tantangan dalam pengalaman pengguna, seperti gangguan teknis, performa aplikasi, serta kepuasan terhadap fitur yang tersedia. Oleh karena itu, penelitian ini bertujuan untuk menganalisis sentimen pelanggan terhadap aplikasi Wondr by BNI dengan menerapkan tiga algoritma pembelajaran mesin, yaitu Naïve Bayes, Support Vector Machine (SVM), dan KNearest Neighbor (KNN). Penelitian ini menggunakan teknik web scraping untuk mengumpulkan data ulasan pelanggan dari platform Google Play Store. Selanjutnya, data yang diperoleh melalui tahapan preprocessing teks, termasuk case folding, cleansing, normalisasi, tokenizing, stopword removal, dan stemming. Setelah itu, pembobotan kata dilakukan dengan metode Term Frequency-Inverse Document Frequency (TF-IDF). Klasifikasi sentimen dilakukan dengan menggunakan algoritma Naïve Bayes, SVM, dan KNN untuk menentukan sentimen positif, negatif, atau netral. Hasil penelitian menunjukkan bahwa algoritma SVM memberikan akurasi tertinggi dibandingkan dengan Naïve Bayes dan KNN dalam mengklasifikasikan sentimen pelanggan terhadap aplikasi Wondr by BNI. Analisis lebih lanjut mengidentifikasi bahwa sebagian besar ulasan negatif terkait dengan gangguan teknis dan kinerja aplikasi, sementara ulasan positif lebih banyak menyoroti kemudahan transaksi yang ditawarkan oleh aplikasi. Temuan ini memberikan wawasan bagi pengembang aplikasi dalam meningkatkan kualitas layanan berdasarkan opini dan persepsi pengguna.

Item Type:	Thesis (Bachelor)
Subjects:	L Education > L Education (General) T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Miss Yulia Zahra Yamini
Date Deposited:	18 Jul 2025 03:53
Last Modified:	18 Jul 2025 03:53
URI:	http://repository.unas.ac.id/id/eprint/13806

Actions (login required)

View Item