<![CDATA[Analisis umpan balik pengguna pada aplikasi Betang Mobile dari Bank Kalimantan Tengah belum dimanfaatkan secara optimal untuk peningkatan kualitas layanan. Penelitian ini bertujuan merancang sistem Aspect-Based Sentiment Analysis (ABSA) untuk menganalisis ulasan pengguna dan memberikan rekomendasi perbaikan. Metodologi dimulai dengan 1.176 ulasan yang melalui pra-pemrosesan, kemudian Latent Dirichlet Allocation (LDA) digunakan untuk mengekstraksi topik yang dikelompokkan menjadi aspek "Transaksi" dan "Registrasi". Augmentasi data menggunakan IndoT5 diterapkan untuk mengatasi ketidakseimbangan kelas, sehingga total data menjadi 1.406 ulasan. Klasifikasi aspek dan sentimen menggunakan model IndoBERT, sedangkan analisis akar masalah pada sentimen negatif memakai TF-IDF dan Permutation Importance. Hasil penelitian menunjukkan kinerja IndoBERT yang sangat baik dengan akurasi 90.7% untuk klasifikasi aspek dan 97.8% untuk klasifikasi sentimen. Rekomendasi utama adalah peningkatan stabilitas dan keandalan pada seluru h alur transaksi serta proses registrasi dan login untuk memastikan pengguna dapat mengakses aplikasi tanpa eror.]]>
Copyrights © 2026
