ANALISIS SENTIMEN ULASAN APLIKASI SEABANK MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM)

Eki Ramadhan (Universitas Singaperbangsa Karawang)
Ade Andri Hendriadi (Universitas Singaperbangsa Karawang)
Ahmad Khusaeri (Universitas Singaperbangsa Karawang)

Jurnal Informatika dan Teknik Elektro Terapan
Vol. 14 No. 3 (2026)

Pesatnya pertumbuhan perbankan digital di Indonesia menuntut perusahaan seperti SeaBank untuk terus mengevaluasi kualitas layanan berdasarkan persepsi pengguna. Penelitian ini bertujuan untuk menganalisis sentimen pengguna aplikasi SeaBank pada Google Play Store guna mengekstraksi wawasan Business Intelligence yang strategis. Sebanyak 71.523 ulasan mentah periode Juli hingga Desember 2025 dikumpulkan melalui teknik web scraping. Metodologi yang digunakan meliputi tahapan preprocessing teks, ekstraksi fitur TF-IDF dengan Bigram, serta penanganan data tidak seimbang menggunakan teknik Synthetic Minority Over-sampling Technique (SMOTE). Klasifikasi dilakukan menggunakan algoritma Support Vector Machine (SVM) dengan kernel Linear. Hasil pengujian menunjukkan bahwa model SVM mampu mencapai tingkat akurasi sebesar 91,21%. Temuan penelitian mengungkap dominasi sentimen positif terkait insentif bebas biaya transaksi dan kemudahan UI/UX. Sebaliknya, sentimen negatif menyoroti isu kritis pada stabilitas akses aplikasi (login) dan keterlambatan kode OTP yang berisiko memicu customer churn. Hasil analisis ini memberikan rekomendasi strategis bagi manajemen SeaBank dalam memprioritaskan perbaikan infrastruktur teknis guna meningkatkan retensi nasabah.