Claim Missing Document
Check
Articles

Found 2 Documents
Search

Analisis Layanan Aplikasi Livin by Mandiri Menggunakan Framework ITIL V3 Ariansyah, Beni; Sutabri, Tata
INTECH Vol. 4 No. 2 (2023): INTECH (Informatika Dan Teknologi)
Publisher : Informatics Study Program, Faculty of Engineering and Computers, Baturaja University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54895/intech.v4i2.2277

Abstract

Dalam dunia perbankan untuk mewujudkan kepuasan kepada nasabahnya, dari segi pelayanan sangat berpengaruh terhadap profit dan nama baik perusahaan itu sendiri. Salah satunya mobile banking yang menjadi alat untuk membantu nasabah untuk bertransaksi dengan mudah dimana saja dan kapan saja. Pada penelitian ini penulis menganalisis pelayanan pada aplikasi mobile banking Bank Mandiri yaitu Livin by Mandiri menggunakan framework ITIL V3. Tujuan dari penelitian ini untuk meningkatkan kualitas layanan yang ada pada aplikasi Livin by Mandiri. Metode yang digunakan dalam penelitian ini adalah deskriptif kualitatif dengan teknik pengumpulan data melalui wawancara. Dari hasil penelitian menunjukkan bahwa implementasi framework ITIL V3 dapat meningkatkan kepuasan layanan perbankan terutama pada aplikasi Livin by Mandiri dengan penggunaan ITIL V3 Service Management Lifecycle. Dengan penelitian tersebut dapat membantu bank untuk meningkatkan kualitas pelayanan perbankan yang ada di aplikasi Livin by Mandiri.
Analisis Sentimen Ulasan Aplikasi Access by KAI Menggunakan Algoritma Naïve Bayes Ariansyah, Beni; Negara, Edi Surya
Jurnal Pseudocode Vol 13 No 1 (2026): Volume 13 Nomor 1 Februari 2026
Publisher : UNIB Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33369/pseudocode.13.1.21-27

Abstract

The Access By KAI application, developed by PT Kereta Api Indonesia (Persero), allows users to purchase train tickets via mobile devices. This study aims to perform sentiment analysis on user reviews of the Access By KAI application using the naive Bayes algorithm. Data processing was carried out through stages such as case folding, cleaning, tokenizing, stopword removal, and stemming, and evaluation using metrics of accuracy, precision, recall, and F1-score showed that the naive Bayes algorithm provides satisfactory results. The study results indicate that the naive Bayes algorithm is able to classify reviews with an accuracy rate of up to 68% with a precision of 83% for the positive class, 59% for the negative class, and 79% for the neutral class; recall of 67% for the positive class, 93% for the negative class, and 42% for the neutral class. From these results, it is expected to help developers identify the aspects most complained about by users and improve service quality.