<![CDATA[Aplikasi mobile banking kini menjadi layanan penting dalam mendukung aktivitas transaksi digital. Untuk mengetahui tingkat kepuasan pengguna, analisis sentimen terhadap ulasan pengguna dapat memberikan informasi yang berharga bagi pengembangan aplikasi. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengguna aplikasi mobile banking Bank ABC dengan menggunakan metode K-Nearest Neighbor (KNN). Data sebanyak 1000 ulasan dikumpulkan dari Google Play Store dan selanjutnya melalui tahap pre-processing, yang meliputi cleaning, case folding, tokenizing, stopword removal, normalisasi, dan stemming. Setelah itu, pembobotan kata menggunakan metode TF-IDF digunakan untuk mengubah teks menjadi fitur numerik yang dapat diproses oleh model. Proses klasifikasi dilakukan menggunakan algoritma KNN, sedangkan evaluasi performa dilakukan melalui confusion matrix pada tiga skenario jumlah data, yaitu 250, 500, dan 1000 data. Hasil evaluasi menunjukkan bahwa model memperoleh akurasi sebesar 91% pada 250 data, 88% pada 500 data, dan 89% pada 1000 data, dengan rata-rata akurasi sebesar 87,5%. Temuan ini menunjukkan bahwa metode KNN cukup efektif dalam mengolah dan mengklasifikasikan ulasan pengguna aplikasi mobile banking. Sistem yang dibangun juga dilengkapi antarmuka berbasis web yang memungkinkan pengguna melakukan analisis sentimen dan melihat hasil evaluasi secara interaktif.]]>
Copyrights © 2026
