ANALISIS SENTIMEN PADA APLIKASI MOBILE BANKING MENGGUNAKAN METODE NAÏVE BAYES CALSSIFER DAN ASOSIASI

Abstract

Internet sudah tumbuh dengan pesat dan menjadi kebutuhan masyarakat dalam melakukan berbagai macam aktivitas di berbagai bidang. Salah satunya adalah bidang keuangan atau perbankan. Perbankan sebagai salah satu bidang yang dekat dengan masyarakat harus dapat memberikan kepuasan dalam memberikan pelayanan yang berkualitas. Penerapan layanan perbankan elektronik (e-banking) yang berkualitas merupakan salah satu kunci perbankan untuk menghimpun dana nasabah. Salah satu layanan e-banking adalah mobile banking yang khusus digunakan di telepon genggam untuk efisiensi nasabah dalam melakukan transaksi. Untuk melihat respon nasabah terhadap performa salah satu mobile Banking maka digunakan ulasan yang diberikan nasabah untuk aplikasi tersebut selama enam bulan terakhir. Data ulasan ini diambil dari Google Play. Ulasan tersebut dianalisis dengan sentiment analysis yang merupakan proses untuk mengklasifikasikan opini ke dalam kategori postif atau negatif. Klasifikasi ini kemuadian dianalisis dengan menggunakan text mining dengan Asosiasi kata. Maka, ditemukan informasi yang penting dan berguna untuk perusahaan. Metode yang digunakan dalam klasifikasi ini adalah Naïve Bayes Classifer (NBC). Tingkat akurasi menggunakan NBC sebesar 89.41%. Akurasi tersebut menunjukkan bahwa klasifikasi oleh sistem sudah baik. Hasil klasifikasi yang diperolah yaitu jumlah ulasan sentimen negatif lebih besar dibandingkan jumlah ulasan sentimen positif. Sedangkan hasil asosiasi, didapatkan sentimen positif dari ulasan adalah tentang aplikasi yang bagus, membantu, dan memudahkan nasabah dalam melakukan transaksi. Sedangkan, sentimen negatif yang diperoleh adalah login yang gagal, susah mendaftarkan rekening tujuan transfer, menghabiskan pulsa, dan tampilan aplikasi yang kurang bagus.