<![CDATA[Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi Wondr by BNI berdasarkan ulasan yang diperoleh dari Google Play Store. Pengumpulan data dilakukan melalui teknik web scraping menggunakan library google-play-scraper dengan parameter tertentu untuk memastikan relevansi dan kesesuaian data dalam konteks lokal. Data yang diperoleh kemudian diproses melalui tahapan preprocessing, yang mencakup case folding, cleansing, normalisasi, tokenisasi, dan penghapusan stopwords guna meningkatkan kualitas analisis. Selanjutnya, data direpresentasikan menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF) untuk mengukur bobot kata dalam ulasan. Analisis sentimen dilakukan dengan menerapkan tiga algoritma pembelajaran mesin, yaitu Naïve Bayes, Support Vector Machine (SVM), dan K-Nearest Neighbor (KNN), guna mengklasifikasikan ulasan ke dalam kategori sentimen positif, negatif, dan netral. Hasil penelitian menunjukkan bahwa metode preprocessing yang diterapkan mampu meningkatkan kualitas data untuk analisis sentimen. Algoritma SVM memberikan akurasi tertinggi dibandingkan dengan Naïve Bayes dan KNN dalam mengklasifikasikan sentimen pengguna. Temuan ini dapat dimanfaatkan oleh pengembang aplikasi dalam meningkatkan layanan dan pengalaman pengguna berdasarkan umpan balik yang telah dianalisis. Kata Kunci: Analisis Sentimen, Machine Learning, TF-IDF, Wondr By BNI, Google Play Store]]>
Copyrights © 2025
