<![CDATA[Pesatnya perkembangan aplikasi mobile banking di Indonesia, termasuk Livin’ by Mandiri, menimbulkan kebutuhan untuk memahami respons pengguna secara lebih mendalam. Studi ini bertujuan untuk mengevaluasi sentimen pengguna terhadap aplikasi tersebut berdasarkan ulasan yang diperoleh dari Google Play Store. Penelitian ini menerapkan algoritma Support Vector Machine (SVM) dengan dua teknik ekstraksi fitur, yaitu Term Frequency–Inverse Document Frequency (TF-IDF) dan Word2Vec. Sebanyak 15.000 ulasan dianalisis dan diklasifikasikan ke dalam sentimen positif maupun negatif, setelah melalui tahapan pra-pemrosesan. Hasil analisis menunjukkan bahwa model SVM dengan TF-IDF menghasilkan akurasi 87%, precision 90% untuk sentimen positif, serta recall sebesar 82%. Sebaliknya, pendekatan Word2Vec mencatatkan akurasi 83%, precision positif 92%, dan recall 71%. Temuan ini mengindikasikan bahwa TF-IDF lebih konsisten dalam klasifikasi umum, sedangkan Word2Vec lebih efektif dalam mengenali sentimen negatif.]]>
Copyrights © 2025
