<![CDATA[Transformasi digital dalam sektor perbankan Indonesia mendorong peluncuran aplikasi Wondr by BNI pada Juli 2024 sebagai pengganti BNI Mobile Banking. Meskipun jumlah pengguna aktifnya telah melampaui 5,3 juta hingga akhir 2024, ulasan di Google Play Store menunjukkan berbagai keluhan teknis, seperti kesulitan login, kegagalan transaksi, dan proses verifikasi yang rumit. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi Wondr dengan menerapkan algoritma Support Vector Machine (SVM) dan mengoptimasi performanya menggunakan empat jenis kernel: Linear, RBF, Polynomial, dan Sigmoid. Sebanyak 2.000 ulasan dikumpulkan melalui teknik scraping dari kategori most relevant di Google Play Store. Setelah melalui proses preprocessing dan pelabelan otomatis menggunakan model Multilingual BERT, sebanyak 1.719 data yang berkategori positif dan negatif digunakan untuk proses klasifikasi. Ekstraksi fitur dilakukan dengan metode Term Frequency–Inverse Document Frequency (TF-IDF). Evaluasi performa menggunakan metrik F1-score menunjukkan bahwa kernel Sigmoid dengan parameter C = 3 dan γ = 0,5 menghasilkan performa terbaik dengan nilai Accuracy dan F1-score sebesar 0,922. Analisis frekuensi kata menunjukkan bahwa kata “gagal” dan “verifikasi” mendominasi sentimen negatif, sementara “mudah” dan “cepat” banyak muncul dalam sentimen positif. Temuan ini menunjukkan bahwa kombinasi pelabelan otomatis berbasis BERT dan klasifikasi SVM dengan optimasi kernel mampu menghasilkan model analisis sentimen yang akurat dan stabil untuk mengevaluasi layanan aplikasi perbankan digital.]]>
Copyrights © 2025
