Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) SERAMBI: Jurnal Ekonomi Manajemen dan Bisnis Islam Jurnal Pendidikan dan Teknologi Indonesia
Saputra, Reza Edi
Unknown Affiliation
Religion Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Analisis Sentiment Pengguna Aplikasi Mobile Banking Pada Bank Syariah Dengan Support Vector Regression Rosanti, Cholisa; Artanto, Fenilinas Adi; Saputra, Reza Edi
Jurnal Pendidikan dan Teknologi Indonesia Vol 4 No 8 (2024): JPTI - Agustus 2024
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.460

Abstract

Peningkatan layanan aplikasi mobile banking pada bank syariah yang telah tersedia di playstore dapat dilakukan dengan menggunakan analisis sentiment dengan mengumpulkan komentar dari pengguna layanan aplikasi mobile banking di playstore. Analisis ini akan memberikan wawasan tentang pengalaman penggunaan aplikasi yang dapat dijadikan acuan dalam pengembangan aplikasi. Penelitian ini menggunakan metode text mining dengan metode Support Vector Regression (SVR) karena metode SVR dapat menyelesaikan permasalahan overvitting dan memiliki tingkat akurasi yang tinggi. Data yang diperoleh pada aplikasi mobile banking Mega Syariah dan Jago Syariah, masing-masing 1.434 data dan 34.669. Hasil analisa menunjukan bahwa ulasana dari Jago Syariah lebih banyak daripada Mega Syariah. Hasil ini menunjukan bahwa basis dari pengguna Jago Syariah lebih banyak daripada Mega Syariah. Pengujian menggunakan metode SVR menunjukan nilai akurasi dari aplikasi Mega Syariah sebesar 98.12% sedangkan pada Jago Syariah mendapatkan nilai akurasi sebesar 98.18%. Hal tersebut menunjukan bahwa bahwa secara umum SVR dikatakan metode yang dapat memberikan akurasi yang tinggi pada analisis sentiment. Selain itu juga diperoleh bahwa pada aplikasi Mega Syariah menunjukan kata yang berkonotasi negatif adalah masuk dan daftar, sedangkan pada Jago Syariah kata yang berkonotasi negative adalah akun dan login. Temuan ini mengindikasikan bahwa pada kedua aplikasi tersebut perlu meningkatkan kemudahan dalam proses pendaftaran dan login dari pengguna.
Perception of user opinions towards Sharia mobile banking applications in Indonesia based on comments on Google Play Store Rosanti, Cholisa; Artanto, Fenilinas Adi; Saputra, Reza Edi
SERAMBI: Jurnal Ekonomi Manajemen dan Bisnis Islam Vol 7 No 1 (2025)
Publisher : LPMP Imperium

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36407/serambi.v7i1.1486

Abstract

This research aims to evaluate user perceptions of the performance of m-banking applications at Islamic banks by analyzing user reviews on the Google Play Store from 4 July 2023 to 4 July 2024. The research results show that the BSI Mobile and Jago Syariah applications are the most downloaded and have the most reviews, indicating a high number of active users. Analysis using the Bag of Words (BoW) and Support Vector Regression (SVR) methods shows excellent performance in predicting user sentiment, with an accuracy of more than 90% on six sharia m-banking applications, where the Aladin Syariah application achieved the highest accuracy of 98. 54%. Research findings show that positive perceptions of the app's ease of use contribute to user loyalty. At the same time, complaints regarding the login and registration process must be improved. Positive reviews such as "good job" and "steady" dominate the BSI Mobile and Jago Syariah applications, reflecting the popularity of both applications. Public interest statement The unique features such as gold transactions on the Pegadaian Syariah application provide competitive advantages that other Sharia banks can adopt. These results provide strategic insights for Islamic banks to improve and develop their m-banking services.
REGRESI DENGAN EKSTRASI FITUR NEURAL BAG OF WORDS PADA ANALISIS SENTIMEN PENGGUNA APLIKASI BANK DIGITAL SYARIAH Rosanti, Cholisa; Artanto, Fenilinas Adi; Saputra, Reza Edi
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 3 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i3.6508

Abstract

Penelitian ini untuk menguji keefektifan metode Neural Bag of Words (NBOW) dan Support Vector Regression (SVR) dalam memprediksi sentimen pengguna aplikasi bank digital syariah. Data berasal dari ulasan pengguna di Google Play Store pada aplikasi Bank Jago Syariah, Bank Aladin Syariah, Bank Syariah Indonesia, dan Muamalat Din, dengan periode pengambilan data 4 Juli 2023 - 4 Juli 2024, menghasilkan 160,026 ulasan. Penelitian ini dimulai dengan pengumpulan, seleksi, dan pelabelan data sesuai dengan skor bintang dari ulasan, yang merupakan langkah dalam Knowledge Discovery in Databases (KDD). Setelah itu, dilakukan preprocessing dengan menghilangkan kata yang tidak relevan dan mengubah kalimat menjadi bentuk baku. Data diekstraksi dengan fitur Bag of Words (BoW) yang diimplementasikan Scikit-Learn, menghasilkan matriks frekuensi kata. lalu, data dibagi menjadi set pelatihan dan uji dengan rasio 8:2, dan model SVR dilatih dengan data pelatihan. Didapatkan hasil akurasi rata-rata 98.3%, dengan akurasi tertinggi pada data Bank Aladin Syariah (98.54%) dan akurasi terendah pada data Bank Jago Syariah (98.30%). Regresi linier menunjukkan bahwa peningkatan jumlah data berbanding lurus dengan peningkatan akurasi model NBOW, dengan rumus y = 2.10^(-7) x + 98.308. Hasil ini lebih baik dari penelitian sebelumnya yang menggunakan metode CNN+SURF, yang mencapai akurasi 84%. Temuan lain adalah kemunculan kata-kata seperti "ribet" dan "aplikasi error" dalam sentimen negatif, menunjukkan perlunya peningkatan kemudahan penggunaan dan pengoptimalan aplikasi
Co-Authors Cholisa Rosanti Fenilinas Adi Artanto