<![CDATA[Dengan pesatnya perkembangan teknologi digital, aplikasi mobile banking telah menjadi kebutuhan utama bagi masyarakat modern. Namun, keluhan pengguna terkait bug dan gangguan teknis sering kali muncul, yang dapat menurunkan kualitas layanan. Penelitian ini bertujuan untuk mengevaluasi sentimen pengguna terhadap fitur-fitur aplikasi mobile banking dengan membandingkan performa algoritma Logistic Regression dan Multinomial Naïve Bayes. Analisis sentimen ini penting untuk memahami persepsi publik secara objektif. Data ulasan pengguna dari empat aplikasi mobile banking populer (blu by BCA, BRImo, BNI Mobile Banking, dan Livin’ by Mandiri) dikumpulkan dari Google Play Store sebanyak 50.000 data per-aplikasi, dengan total 200.000 data. Proses penelitian meliputi pengumpulan data, preprocessing (cleaning, case folding, tokenization, normalization, stopword removal, dan stemming), pelabelan sentimen menggunakan lexicon-based, serta klasifikasi dan evaluasi model. Hasil penelitian menunjukkan bahwa sebagian besar ulasan pengguna bersifat negatif, terutama terkait fitur login, transaksi, dan verifikasi, yang mengindikasikan ketidakpuasan terhadap keandalan teknis. Dalam perbandingan performa, model Logistic Regression jauh lebih unggul dengan akurasi 92-93%, dibandingkan dengan Multinomial Naïve Bayes yang hanya mencapai 71-74%. Hal ini membuktikan bahwa Logistic Regression lebih efektif dalam klasifikasi sentimen ulasan aplikasi mobile banking.]]>
Copyrights © 2025
