OPTIMASI METODE KLASIFIKASI MENGGUNAKAN FASTTEXT DAN GRID SEARCH PADA ANALISIS SENTIMEN ULASAN APLIKASI SEABANK

Ermawan, Bagas Restya
Cahyono, Nuri

JIKO (Jurnal Informatika dan Komputer)
Vol 9, No 1 (2025): Februari 2025

Perkembangan pesat teknologi digital telah memberikan dampak signifikan pada sektor perbankan, termasuk aplikasi perbankan digital seperti SeaBank. Namun, pengguna melaporkan masalah kritis seperti hilangnya saldo dan keterlambatan transfer, yang memerlukan analisis sentimen pengguna berdasarkan ulasan di Google Play Store. Penelitian ini menganalisis ulasan pengguna SeaBank menggunakan metode klasifikasi Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN), yang dioptimalkan melalui Grid Search dan ekstraksi fitur FastText. Sebanyak 15.000 ulasan dari Juli hingga September 2024 diproses, dilabeli secara manual (positif, negatif, netral), dan diseimbangkan menggunakan SMOTE. Hasil penelitian menunjukkan bahwa optimasi Grid Search secara signifikan meningkatkan kinerja model, dengan SVM mencapai akurasi 92% dan KNN meningkat menjadi 91%. SVM yang dioptimalkan (C: 100, kernel: 'rbf') mencapai metrik tertinggi (presisi 0,93, recall 0,92, F1-score 0,92).