Article Per Year (5 Year)
p-Index From 2021 - 2026
1.235
P-Index
This Author published in this journals
All Journal Syntax Literate: Jurnal Ilmiah Indonesia Jurnal Pengabdian Masyarakat (ABDIRA) Frasa: English Education and Literature Journal Adopsi Teknologi dan Sistem Informasi Jurnal Pengabdian West Science Journal Of Artificial Intelligence And Software Engineering SmartComp
Erlinawati, Mira
Unknown Affiliation
Aerospace Engineering Arts Humanities Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Nursing Public Health Social Sciences Other

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : SmartComp

 1 
Analisis Sentimen Ulasan Pengguna Aplikasi Bank Jago Pada Google Play Store Dengan Metode Naïve Bayes Segarani, Rena Destiyana; Hartanti, Swi; Erlinawati, Mira
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 15, No 1 (2026): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v15i1.8775

Abstract

kemajuan teknologi digital telah mendorong peningkatan pengguna layanan perbankan berbasis aplikasi, termasuk Bank Jago sebagai salah satu innovator di sektor perbankan digital Indonesia. Ulasan pengguna di Google play Store menjadi sumber data yang kaya untuk memahami persepsi, kepuasan, serta keluhan pengguna terhadap aplikasi tersebut. Penelitian ini bertujuan untuk mengkaji sentimen dari ulasan-ulasan tersebut dengan menerapkan metode Naïve Bayes, salah satu algoritma klasifikasi dalam pembelajaran mesin yang dikenal sederhana namun efektif. Data dikumpulkan dari Google Play Store dan diproses melalui tahap pra-pemrosesan yang mencakup pembersihan teks, tokenisasi, penghapusan stopword, serta stemming. Sentiment kemudian dikategorikan ke dalam tiga kelas: positif, negative dan netral. Hasil analisis menunjukkan dominasi sentimen  positif, namun juga ditemukan kritik terhadap aspek teknis dan fitur layanan. Model Naïve Bayes berhasil mengklasifikasikan data dengan tingkat akurasi yang baik, menjadikannya alat yang potensial untuk menganalisis opini public secara otomatis. Penelitian ini dapat menjadi masukan bagi pengembang untuk meningkatkan kualitas aplikasi berdasarkan umpan balik pengguna.
Co-Authors Aurora, Cindy Nasywa Dwi Hartanti Hartanti, Swi Intan Febiana Ovianti M, Aan Nurcholis Maulindar, Joni Muhtarom, Moh Munawaroh, Maysani Novemy Triyandari Nugroho Nur'aini, Citra Ayu Segarani, Rena Destiyana Wahyu Utami, Wahyu Winarti Winarti Yuliana, Margaretha Evi