Sentiment Analisys Ulasan Aplikasi Seabank Untuk Menilai Tingkat Kepuasan Pengguna

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen ulasan aplikasi SeaBank yang diunduh dari Google Play Store, guna memahami kepuasan pengguna terhadap layanan yang diberikan. Data ulasan dikategorikan ke dalam tiga sentimen utama: positif, negatif, dan netral. Analisis dilakukan menggunakan tiga algoritma pembelajaran mesin, yaitu Naïve Bayes, Support Vector Machine (SVM), dan Random Forest. Proses analisis melibatkan tahap praproses data, ekstraksi fitur menggunakan TF-IDF, dan pengelompokan sentimen berdasarkan model yang digunakan. Hasil analisis menunjukkan bahwa mayoritas ulasan pengguna cenderung positif, dengan kata kunci seperti "mudah", "cepat", dan "gratis" muncul secara berulang. Sentimen negatif mencerminkan keluhan tentang masalah teknis seperti "saldo" dan "login", sedangkan sentimen netral mencatat umpan balik tanpa opini yang jelas. Penelitian ini memberikan wawasan strategis bagi pengembang aplikasi SeaBank untuk meningkatkan kualitas layanan dan memperkuat kepuasan pengguna.