<![CDATA[Peningkatan adopsi aplikasi mobile banking mendorong perlunya analisis mendalam terhadap sentimen pengguna guna mendukung peningkatan kualitas layanan. Penelitian ini bertujuan menganalisis distribusi sentimen dan mengidentifikasi akar permasalahan (Root Cause Analysis – RCA) berdasarkan 13.243 ulasan aplikasi Livin’ by Mandiri dari Google Play Store dan media sosial X. Metodologi penelitian mengintegrasikan Word2Vec sebagai representasi vektor kata dan Long Short-Term Memory (LSTM) sebagai pengklasifikasi sentimen. Tahapan penelitian meliputi pengumpulan data melalui web scraping, pra-pemrosesan teks, pelabelan teks, hingga evaluasi performa model. Hasil pengujian menunjukkan bahwa model integrasi Word2Vec dan LSTM berhasil mengklasifikasikan sentimen dengan accuracy sebesar 84,33%, precision sebesar 69,22%, recall sebesar 83,90%, dan F1-Score sebesar 75,85%. Selanjutnya, ulasan bersentimen negatif dikelompokkan menjadi empat cluster menggunakan K-Means Clustering berbasis Word2Vec untuk mendukung proses RCA. Hasil pemetaan menggunakan diagram fishbone mengidentifikasi akar permasalahan utama dalam empat kategori, yaitu Plant, Policy, Process, dan People, meliputi kegagalan autentikasi dan error aplikasi pasca-pembaruan sistem, keterbatasan fitur investasi dibandingkan platform kompetitor, gangguan transaksi akibat pemeliharaan sistem pada jam sibuk, serta keterbatasan kapasitas layanan pelanggan dalam menangani volume keluhan.]]>
Copyrights © 2026
