<![CDATA[Perkembangan teknologi dalam sektor perbankan telah mendorong transformasi digital, termasuk layanan pinjaman berbasis aplikasi seperti Ceria by BRI. Meskipun aplikasi ini menawarkan kemudahan akses dan kecepatan transaksi, pengalaman pengguna terhadap layanan ini beragam, dengan adanya sentimen positif, netral, dan negatif. Beberapa pengguna memberikan ulasan positif terkait kemudahan penggunaan dan efisiensi transaksi, sementara ulasan negatif mencerminkan kendala teknis, keterbatasan fitur, serta kekhawatiran terhadap keamanan data. Oleh karena itu, penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna terhadap aplikasi Ceria by BRI dengan menerapkan algoritma Support Vector Machine (SVM) dan Naïve Bayes. Metode penelitian ini melibatkan pengumpulan data ulasan pengguna dari Google Play Store menggunakan web scraping, kemudian dilakukan tahap preprocessing, termasuk normalisasi, tokenisasi, stopword removal, dan stemming. Data yang telah diproses selanjutnya diklasifikasikan menggunakan SVM dan Naïve Bayes untuk mengidentifikasi sentimen positif, netral, dan negatif, dengan evaluasi model berdasarkan akurasi, precision, recall, dan f1-score. Hasil penelitian menunjukkan bahwa SVM memiliki akurasi lebih tinggi (88%) dibandingkan Naïve Bayes (84%), dengan sentimen pengguna yang didominasi kategori netral dan positif. Ulasan negatif tetap ditemukan, terutama pada aspek kendala teknis dan keamanan data. Hasil penelitian ini memberikan wawasan bagi pengelola aplikasi dalam meningkatkan kualitas layanan, optimalisasi keamanan data, serta pengembangan antarmuka pengguna yang lebih intuitif. Selain itu, analisis sentimen berbasis machine learning dapat diterapkan secara berkelanjutan untuk mengevaluasi kepuasan pengguna dan meningkatkan pengalaman mereka terhadap layanan perbankan digital.]]>
Copyrights © 2025
